PP-YOLOE论文解读
paper：PP-YOLOE: An evolved version of YOLO
official implementation：https://github.com/PaddlePaddle/PaddleDetection/tree/release/2.7/configs/ppyoloe
third-party implementation： https://github.com/open-mmlab/mmyolo/tree/main/configs/ppyoloe
前言
本文在PP-YOLOv2的基础上进行改进，采用anchor-free范式，用CSPRepResStage构建了更强大的backbone和neck，采用了ET-head和动态标签分配算法TAL，根据不同的场景提供了s/m/l/x模型。在Tesla V100上，PP-YOLOE-l在COCO测试集上获得了51.4mAP的精度和78.1FPS的速度，相比于上一版本的PP-YOLOv2和YOLOX分别提升了（+1.9AP，+13.35% speed up）和（+1.3AP，+24.96% speed up）。
方法介绍
Anchor-free
PP-YOLOv2采用anchor-based的方式，但anchor机制会引入更多的超参并且需要手工设计，泛化性可能不够好。本文仿照FCOS每个像素放置一个anchor point，每个检测head设置上下边界从而将ground truth分配给对应的特征图。使用anchor-free后速度快了一点但精度下降了0.3AP。
Backbone and Neck
本文提出了RepResBlock结合了residual connection和dense connection，应用于backbone和neck中。作者在TreeBlock的基础上进行改进，如图3(a)，简化了结构并将concat替换为add，训练阶段如图3(b)所示，推理阶段如图3(c)所示。
和ResNet类似，本文的backbone称为CSPRepResNet，包含一个由3个卷积层组成的stem和4个stage，每个stage的结构如图3(d)所示，其中用到了cross stage partial connection来减少参数，ESE（Effective Squeeze and Extraction）用来添加通道注意力。neck部分和backbone有些区别，RepResBlock中的shortcut和CSPRepResStage中的ESE都去掉了。
此外作者还是用了width缩放因子 \(\alpha\) 和深度缩放因子 \(\beta\)，backbone的basic width为[64, 128, 256, 512, 1024]，除了stem，basic depth为[3, 6, 6, 3]。neck部分的basic width和depth分别为[192, 384, 768]和3。不同尺度模型的 \(\alpha,\beta\) 如下
Task Alignment Learning（TAL）
作者通过实验对比了不同label assignment的效果，结果如下，最终采用了效果最好的TAL。
TAL在TOOD中被提出，具体介绍见TOOD: Task-aligned One-stage Object Detection 原理与代码解析-CSDN博客
Efficient Task-aligned Head（ET-head）
YOLOX中的decoupled head使分类和定位任务的学习是独立的，缺乏特定任务的学习。基于TOOD，作者改进了head提出了ET-head，其中用ESE替代TOOD中的layer attention，用distribution focal loss(DFL) layer替代原本回归分支的对齐方式，DFL的具体介绍见Generalized Focal Loss 原理与代码解析_self.reg_max是啥-CSDN博客。ET-head的结构如图2所示
对于损失函数，分类和定位任务分别采用varifocal loss(VFL)和distribution focal loss(DFL)。和QFL不同的是VFL使用target score作为正样本损失的权重，这使得IoU值大的正样本对损失的贡献更大，从而是模型更关注高质量的正样本。相同点是都是用IoU-aware的分类得分(IACS)作为分类的预测目标，从而可以学习分类得分和定位质量的联合表示。关于VFL的具体介绍见VarifocalNet: An IoU-aware Dense Object Detector（CVPR 2021）原理与代码解析-CSDN博客
以上各点改进在baseline PP-YOLOv2上的提升具体如下
参考
TOOD: Task-aligned One-stage Object Detection 原理与代码解析-CSDN博客
Generalized Focal Loss 原理与代码解析_self.reg_max是啥-CSDN博客
VarifocalNet: An IoU-aware Dense Object Detector（CVPR 2021）原理与代码解析-CSDN博客