2021-08-06 Week3 YOLO与YOLOX，CV中的目标检测

CV领域中目标检测的成果。

You Only Look Once: Unified, Real-Time Object Detection

此前的研究都是将目标检测看作分类问题，本文创新地将目标检测看作回归问题。

写了半天，发现这篇文章作为经典之作，前人已有很好的解读了。自惭形秽之下，决定直接引用别人的文章。

1. https://zhuanlan.zhihu.com/p/31427164
2. https://blog.csdn.net/u010167269/article/details/52638771

相较之下，第一篇解读更加透彻，但第二篇会有一些第一篇不涵盖的细节。

把检测转化为回归问题的思路倒是可以参考。

YOLOX: Exceeding YOLO Series in 2021

是YOLO的改进，今年的最新成果，由旷视发表。旷视果然是在这一方面领先的企业。

使用一些最新的技术对YOLO进行改进，如decoupled head和SimOT标签分配策略，并且使其做到了anchor-free。

文中针对每一个环节都有改进的考量，在改进网络时或许可以参考。

关于anchor，anchor-based 的方法由于依赖先验的anchor，会存在一定的误差。不过，anchor有利于小物体检测。并且，从目前的趋势看，anchor-based和anchor-free的方法是一个“轮回”，交替出现，或是融合。这也许会是一个方向。