我们选择 YOLOv3 [25] 和 Darknet53 作为我们的基线。在接下来的部分中，我们将逐步介绍 YOLOX 中的整个系统设计。
实现细节 我们的训练设置从基线到我们的最终模型基本一致。我们在 COCO train2017 [17] 上训练模型总共 300 个 epochs，其中 5 个 epochs 预热。我们使用随机梯度下降 (SGD) 进行训练。我们使用 lr×BatchSize/64（线性缩放 [8]）的学习率，初始 lr = 0.01 和余弦 lr 计划。权重衰减为 0.0005，SGD 动量为 0.9。对于典型的 8-GPU 设备，批处理大小默认为 128。其他批量大小包括单 GPU 训练也运行良好。输入大小从 448 到 832 均匀绘制，步长为 32。本报告中的 FPS 和延迟都是在单个 Tesla V100 上以 FP16 精度和batch = 1 测量的。
YOLOv3 基线 我们的基线采用了 DarkNet53 主干和 SPP 层的架构，在一些论文中称为 YOLOv3-SPP [1, 7]。与原始实现 [25] 相比，我们略微更改了一些训练策略，添加了 EMA 权重更新、余弦 lr 计划、IoU 损失和 IoU 感知分支。我们使用 BCE 损失来训练 cls 和 obj 分支，使用 IoU 损失来训练 reg 分支。这些通用训练技巧与 YOLOX 的关键改进是正交的，因此我们将它们放在基线上。此外，我们只进行 RandomHorizontalFlip、ColorJitter 和 multi-scale 进行数据增强，而放弃 RandomResizedCrop 策略，因为我们发现 RandomResizedCrop 与计划的马赛克增强有点重叠。通过这些改进，我们的基线在 COCO val 上实现了 38.5% 的 AP，如表 2 所示。
解耦头 在目标检测中，分类和回归任务之间的冲突是一个众所周知的问题 [27, 34]。因此，用于分类和定位的解耦头广泛用于大多数一级和二级检测器 [16, 29, 35, 34]。然而，随着 YOLO 系列的主干和特征金字塔（例如，FPN [13]、PAN [20]）不断发展，它们的检测头保持耦合，如图 2 所示。 我们的两个分析实验表明耦合检测头可能会损害性能。 1）。将YOLO的头部换成解耦的头部大大提高了收敛速度，如图3.2）。解耦头对于 YOLO 的端到端版本是必不可少的（将在下面描述）。从 Tab 可以看出。如图 1 所示，耦合头的端到端属性降低了 4.2% AP，而解耦头的降低降低到 0.8% AP。因此，我们将 YOLO 检测头替换为一个 lite 解耦头，如图 2 所示。具体来说，它包含一个 1×1 conv 层以减少通道维度，然后是两个分别具有两个 3×3 conv 层的平行分支。我们在表 2 中报告了 V100 上 batch=1 的推理时间，并且 lite 解耦头带来了额外的 1.1 ms（11.6 ms vs 10.5 ms）。
强大的数据增强我们将 Mosaic 和 MixUp 添加到我们的增强策略中以提高 YOLOX 的性能。 Mosaic 是 Ultralytics-YOLOv32 提出的一种有效的增强策略。然后它被广泛用于 YOLOv4 [1]、YOLOv5 [7] 和其他检测器 [3]。 MixUp [10] 最初是为图像分类任务设计的，但后来在 BoF [38] 中进行了修改，用于对象检测训练。我们在我们的模型中采用 MixUp 和 Mosaic 实现，并在最后 15 个 epoch 中关闭它，在 Tab 中实现了 42.0% 的 AP。 2. 使用强数据增强后，我们发现 ImageNet 预训练不再有用，因此我们从头开始训练以下所有模型。
无锚点 YOLOv4 [1] 和 YOLOv5 [7] 都遵循 YOLOv3 [25] 的原始基于锚的管道。然而，锚点机制有许多已知的问题。首先，为了达到最优的检测性能，需要在训练前进行聚类分析，确定一组最优的anchors。那些聚集的锚点是特定于域的并且不太通用。其次，锚点机制增加了检测头的复杂性，以及每张图像的预测数量。在某些边缘 AI 系统上，在设备之间（例如，从 NPU 到 CPU）移动如此大量的预测可能会成为整体延迟方面的潜在瓶颈。
无锚点检测器 [29, 40, 14] 在过去两年发展迅速。这些工作表明，无锚检测器的性能可以与基于锚的检测器相提并论。 Anchor-free 机制显着减少了需要启发式调整和许多技巧（例如，Anchor Clustering [24]、Grid Sensitive [11]）的设计参数的数量，以获得良好的性能，使检测器，尤其是其训练和解码阶段，相当简单 [29]。
将 YOLO 切换为无锚方式非常简单。我们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。我们将每个对象的中心位置指定为正样本并预先定义一个尺度范围，如 [29] 中所做的那样，为每个对象指定 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% AP，如表 2 所示。
Multi positives 为了与YOLOv3的分配规则一致，上述anchor-free版本为每个对象只选择一个正样本（中心位置）同时忽略其他高质量的预测。 然而，优化那些高质量的预测也可能带来有益的梯度，这可能会缓解训练过程中正/负采样的极端不平衡。 我们简单地将中心 3×3 区域指定为正区域，在 FCOS [29] 中也称为“中心采样”。 检测器的性能提高到表 2 中的 45.0% AP，已经超过了目前 Ultralytics-YOLOv3 的最佳实践（44.3% AP）。
SimOTA 高级标签分配是近年来物体检测的另一个重要进展。 基于我们自己的研究 OTA [4]，我们总结了高级标签分配的四个关键见解：1）损失/质量意识。2） 中心优先。3）每个ground-truth的动态正锚数量4（缩写为动态top-k）。4） 全球视野。 OTA 满足上述所有四个规则，因此我们选择它作为候选标签分配策略。
具体来说，OTA [4] 从全局角度分析标签分配，并将分配过程制定为最优传输 (OT) 问题，在当前分配策略中产生 SOTA 性能 [12, 41, 36, 22, 37]。 然而，在实践中我们发现通过 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，我们将其简化为动态 top-k 策略，命名为 SimOTA，以获得近似解。
我们在这里简单介绍一下 SimOTA。 SimOTA 首先计算成对匹配度，由每个预测-gt 对的成本 [4, 5,12, 2] 或质量 [33] 表示。例如，在 SimOTA 中，gt gi 和预测 pj 之间的成本计算如下：
其中 λ 是平衡系数。 L i j c l s L_{ij}^{cls} Lijcls和 L i j r e g L_{ij}^{reg} Lijreg 是 g t g_{t} gt g i g_{i} gi 和预测 p i p_{i} pi 之间的分类损失和回归损失。然后，对于 g t g_{t} gt g i g_{i} gi，我们选择固定中心区域内成本最低的前k个预测作为其正样本。最后，这些正预测的相应网格被指定为正，而其余的网格是负。请注意，k 值因不同的真实情况而异。更多细节请参考 OTA [4] 中的动态 k 估计策略。 SimOTA 不仅减少了训练时间，而且避免了 SinkhornKnopp 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 提升到 47.3% AP，比 SOTA ultralytics-YOLOv3 高 3.0% AP，显示了高级分配策略的威力。
端到端 YOLO 我们按照 [39] 添加两个额外的卷积层、一对一标签分配和停止梯度。这些使检测器能够以端到端的方式执行，但会略微降低性能和推理速度，如表 2 中所列。因此，我们将其作为一个可选模块，不涉及我们的最终模型。
除了 DarkNet53，我们还在其他不同大小的主干上测试了 YOLOX，其中 YOLOX 相对于所有相应的对应物实现了一致的改进。
YOLOv5 中修改的 CSPNet 为了公平比较，我们采用了精确的 YOLOv5 主干，包括修改后的 CSPNet [31]、SiLU 激活和 PAN [19] 头。 我们也遵循其缩放规则来生产 YOLOXS、YOLOX-M、YOLOX-L 和 YOLOX-X 模型。 与表 3 中的 YOLOv5 相比，我们的模型持续改进了 ∼3.0% 到 ∼1.0% AP，仅增加了边际时间（来自解耦头）。
自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。
深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！
因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。
既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上Python开发知识点，真正体系化！
由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新
如果你觉得这些内容对你有帮助，可以添加V获取：vip1024c （备注Python）
感谢每一个认真阅读我文章的人，看着粉丝一路的上涨和关注，礼尚往来总是要有的：
① 2000多本Python电子书（主流和经典的书籍应该都有了）
② Python标准库资料（最全中文版）
③ 项目源码（四五十个有趣且经典的练手项目及源码）
④ Python基础入门、爬虫、web开发、大数据分析方面的视频（适合小白学习）
⑤ Python学习路线图（告别不入流的学习）
一个人可以走的很快，但一群人才能走的更远。不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎扫码加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
可以走的很快，但一群人才能走的更远。不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎扫码加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**
[外链图片转存中…(img-SxWI3Uvf-1712767058148)]
2147
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
