YOLO系列目标检测算法——YOLOX_yolox算法介绍

YOLO系列目标检测算法目录 - 文章链接

• YOLO系列目标检测算法总结对比- 文章链接
• YOLOv1- 文章链接
• YOLOv2- 文章链接
• YOLOv3- 文章链接
• YOLOv4- 文章链接
• Scaled-YOLOv4- 文章链接
• YOLOv5- 文章链接
• YOLOv6- 文章链接
• YOLOv7- 文章链接
• PP-YOLO- 文章链接
• PP-YOLOv2- 文章链接
• YOLOR- 文章链接
• YOLOS- 文章链接
• YOLOX- 文章链接
• PP-YOLOE- 文章链接

---

本文总结：

1. 使用YOLOv3-SPP作为baseline，使用多种改进技术，形成了一个高性能的anchor-free检测器；
2. 改进包括增加EMA权重更新、cosine学习率策略、IoU loss和IoU-aware 分支、训练时cls和obj分支使用BCE loss，reg分支使用IoU loss等等；
3. 另外还有Decoupled head、Multi positives、SimOTA等等；
4. 经过改进后的YOLOX，轻量级的模型YOLOX-Tiny和YOLOX-Nano性能更好，大模型YOLOX-L也取得的SOTA。

---

深度学习知识点总结

专栏链接:
https://blog.csdn.net/qq_39707285/article/details/124005405
此专栏主要总结深度学习中的知识点，从各大数据集比赛开始，介绍历年冠军算法；同时总结深度学习中重要的知识点，包括损失函数、优化器、各种经典算法、各种算法的优化策略Bag of Freebies (BoF)等。

---

---

YOLO系列目标检测算法-YOLOX 2021.7.18 YOLOX：《YOLOX:YOLOX: Exceeding YOLO Series in 2021》

1. 简介

  本文中，介绍了对YOLO系列一些有经验的改进方法，提出了一个高性能的检测器——YOLOX。YOLOX采用anchor-free方式，加上其他先进的检测技术，例如decoupled head和标签分配策略SimOTA，取得了非常优异的效果。在轻量级模型方面，YOLOX-Nano仅仅0.91M的参数量，取得了25.3%AP，比NanoDet高1.8%。YOLOX-L和YOLOv4-CSP、YOLOv5-L差不多同样的参数量，取得50.0%AP，高出1.8%AP。

  在过去这两年里，目标检测学术界的主要进展主要集中在anchor-free检测器、标签分配策略、end-to-end(NMS-free)检测器上。这些还没有融入到YOLO系列中，YOLOv4和YOLOv5仍然是anchor-based的目标检测器，而且需要手工设计训练规则。这也是为什么提出YOLOX的原因，要把这些进展融入到YOLO系列中。

  考虑到YOLOv4和YOLOv5在anchor-based上有点过优化，所以本文采用YOLOv3作为起点(这里默认为YOLOv3-SPP)。

  如图1所示，在YOLOv3上修改后得到YOLOX-DarkNet53，得到47.3%AP，高出YOLOv3的44.3%。另外采用先进的CSPNetbackbone和额外的PAN head，YOLOX-L在COCO上以640×640的分辨率在COCO上达到50.0%的AP，比对应的YOLOv5-L高出1.8%。YOLOX-Tiny和YOLOX-Nano（仅0.91M参数和1.08G FLOPs）分别比对应的YOLOv4-Tiny和NanoDet3高出10%和1.8%。

2. YOLOX

2.1 YOLOX-DarkNet53

  本文选择YOLOv3的DarkNet53作为的baseline。在本节中，将逐步介绍YOLOX中的整个系统的设计。

实施细节

YOLOv3 baseline

• baseline使用DarkNet53作为backbone，并使用SPP层，也就是YOLOv3-SPP
• 增加EMA权重更新
• cosine学习率策略
• IoU loss和IoU-aware 分支
• 训练时cls和obj分支使用BCE loss，reg分支使用IoU loss
• RandomHorizontalFlip(随机水平翻转)、ColorJitter(颜色抖动)和多尺度等数据增强
• 放弃使用RandomResizedCrop(随机裁剪)策略，因为发现它与mosaic增强有点重叠

Decoupled head

  在目标检测任务中，分类和检测分支的冲突问题众所周知，因此decoupled head(解耦头)提出后就被广泛应用。但是，YOLO系列的backbone和特征金字塔（例如，FPN/PAN），在不断演化时，它们的检测头仍保持耦合，如图2所示。

  本文通过两个分析实验表明，耦合检测头可能会损害其性能：

1. 用解耦的头代替YOLO的头，大大提高了收敛速度，如图3所示；
   
2. 解耦的头对于YOLO的端到端版本至关重要（下面将进行描述）。
   

  可以从表1中看出，耦合头的端到端性能降低了4.2% AP，而解耦头的端到端性能降低到0.8% AP。因此，本文将YOLO检测头替换为一个精简的解耦头，如图2所示。具体地说，它包含一个1×1 conv层来减少通道维度，然后是两个平行分支和两个3×3 conv层。

数据增强
  添加使用Mosaic和MixUp数据增强方法，训练时在模型最后的15个epoch时关闭，结果如表2所示，实现了42.0%的AP。 在使用了强数据增强后，发现ImageNet的预训练并不再有益，因此，本文从头开始训练下面所有模型。

anchor-free
  众所周知anchor-based的方法有一些问题，例如：

1. 为了达到最优的检测性能，需要在训练前进行聚类分析，以确定一组最优的anchors，这些聚类anchors是特定于领域的，而且不那么一般化；
2. anchor机制增加了检测头的复杂性，以及对每个图像的预测数量，在一些边缘的人工智能系统中，在设备之间移动如此大量的预测（例如，从NPU到CPU）可能会成为总体延迟的潜在瓶颈。

  anchor-free机制显著减少了需要启发式调优和涉及的许多技巧（如anchor聚类、Grid Sensitive）的设计参数的数量。为了获得良好的性能，使检测器，特别是其训练和解码阶段，相当简单。

  将YOLO切换到anchor-free的方式非常简单。将每个位置的预测从3减少到1，并使它们直接预测四个值，即网格左上角的两个偏移量，以及预测框的高度和宽度。将每个目标的中心位置指定为正样本，并预先定义比例范围，以指定每个对象的FPN级别。这种修改降低了检测器的参数和GFLOPs，使其速度更快，但获得了更好的性能42.9%的AP，如表2所示。

Multi positives
  为了符合YOLOv3的分配规则，anchor-free版本为每个目标只选择了一个正样本（中心位置），同时忽略了其他高质量的预测。然而，优化这些高质量的预测也可能会带来有益的梯度更新，这会缓解训练过程中正/负抽样的极端不平衡。本文简单地将中心3×3区域分配为正的，在FCOS中也被称为“中心抽样”。检测器的性能提高到45.0% AP，如表2所示，已经超过了目前的最佳各类-YOLOv3的44.3%AP。

SimOTA
  标签分配是近年来目标检测的另一项重要进展。本文研究了OTA，总结了一个高级标签分配的四个关键点：

1. loss/quality aware
2. center prior
3. 每个GT动态的正anchors数（简称为动态top-k）
4. global view
   OTA满足上述所有四条规则，因此本文选择它作为候选标签分配策略。

  具体来说，OTA从全局的角度分析标签分配，并将分配过程制定为一个最优传输Optomal Transport(OT)问题，在当前的分配策略中产生SOTA性能。但是，在实践中，发现通过Sinkhorn-Knopp算法解决OT问题会带来25%的额外训练时间，这对于训练300个epoch来说是相当昂贵的。因此，本文将其简化为动态top-k策略，称为SimOTA，以得到一个近似解。

  在这里简要介绍SimOTA，SimOTA首先计算成对匹配度，用每个prediction-gt对的cost或quality表示。例如，在SimOTA中，gt $g_i$和prediction $p_j$之间的cost计算公式为：
$c_{ij}=L_{ij}^{cls}+\lambda L_{ij}^{reg}$
其中$\lambda$是平衡系数，$L_{ij}^{cls}和L_{ij}^{reg}$是$g_i$和$p_j$之间类别loss和回归loss。然后对于$g_i$，选择在一个固定的中心区域内cost最小的前k个预测作为其正样本。最后，将这些正预测的相应网格划分为正，其余网格划分为负。注意：k值因不同的GT而不同。

  SimOTA不仅减少了训练时间，而且避免了该算法中额外的求解器超参数。如表2所示，SimOTA将检测器从45.0% AP提高到47.3% AP，比SOTA YOLOv3高出3.0% AP，显示了高级分配策略的能力。

End-to-end YOLO
  添加了两个额外的conv层，one-to-one的标签分配和梯度停止。这些方法使检测器能够执行端到端方式，但会略微降低性能和推理速度，如表2中所示。因此，本文将它作为一个可选的模块，它不涉及到最终的模型。

2.2 其他backbone

  除了DarkNet53之外，还在其他backbone上用不同输入尺寸测试了YOLOX，其中YOLOX与所有相应的算法相比，都一致的有所提升。

YOLOv5中修改的CSPNet

  为了得到一个公平的比较，采用了YOLOv5的主干，包括改进的CSPNet、SiLU激活和PAN头。还遵循模型的缩放规则得到YOLOX-S、YOLOX-M、YOLOX-L和YOLOX-X。与表3中的YOLOv5进行了比较，本文的模型得到了∼3.0%的∼1.0%的AP，只有延迟增加（原因来自解耦头）。

Tiny/Nano检测器

  进一步缩小了模型为YOLOX-Tiny，以与YOLOv4-Tiny进行比较。对于移动设备，采用深度卷积来构建一个YOLOX-Nano模型，该模型只有0.91M的参数和1.08G的FLOPs，如表4所示YOLOX在更小的模型尺寸下表现得很好。

模型大小和数据增强

  在本文的实验中，所有的模型都保持了几乎相同的学习时间表和优化参数。然而，使用发现合适的增强策略因不同的模型大小而不同。如表5所示，在YOLOX-L中应用MixUp可以提高0.9%，而对于小模型像YOLOX-Nano，削弱这种增强效果更好。具体来说，当训练小模型，即YOLOX-S、YOLOX-Tiny和YOLOX-Nano时，消除了mixuo增强和削弱了mosaic增强（将尺度范围从[0.1,2.0]缩小到[0.5,1.5]）。这种修改将YOLOX-Nano的AP从24.0%提高到25.3%。

  对于大型模型，实验还发现更强的增强更有帮助。受Copypaste的启发，本文在混合两幅图像之前通过随机采样的比例因子进行抖动。为了理解带有比例抖动的MixUp的能力，将其与YOLOX-L上的Copypaste进行了比较，注意:Copypaste需要额外的实例掩码标注，而MixUp则不需要。结果如表5所示，这两种方法实现了具有竞争力的性能，表明当没有实例掩码标注时，具有比例抖动的MixUp是Copypaste的合格替代品。

3. 与SOTA对比

  与SOTA的比较结果如表6所示，但是，这个表中模型的推理速度通常是不受控制的，因为速度随着软件和硬件的不同而变化。因此，对图1中所有YOLO系列使用相同的硬件和代码库，绘制了受控制的速度/精度曲线。

4. 结论

  本文介绍了YOLO系列的一些有效的更新，得到了一个名为YOLOX的高性能anchor-free目标检测器。YOLOX配备了一些最新的先进的检测技术，即解耦头，anchor-free，和先进的标签分配策略，YOLOX在所有模型大小的速度和准确性与其他算法之间实现了更好的权衡。值得注意的是，本文将YOLOv3架构在COCO上的准确率提高到了47.3%，比目前的最佳实践高出3.0%。