目标检测网络---PP-YOLO优化策略

YOLO系列回顾

目标检测网络优化策略

标红的为PP-YOLO使用的优化策略

数据增强—Image Mixup

学习策略—Label Smooth

学习策略—IoU Loss

学习策略—IoU Aware

学习策略—Grid Sensitive

训练策略—Synchronized Batch Norm(多卡训练，卡间同步批归一化)

训练策略—Exponential Moving Average（指数滑动平均）

训练策略—Larger Batch Size

网络结构—骨干网络ResNet50vd-DCN

网络结构—骨干网络SSLD（简单半监督骨干网络预训练权重）

网络结构—Deformable Conv（可变形卷积）

网络结构—Drop Block

网络结构—cooder conv

解决信息不全时无法准确识别问题（图像只给出了目标的部分信息，会是的检测效果变差）

网络结构—SPP

后处理—Matrix NMS

soft NMS虽然保留了一些有效框，但增加了计算复杂度（以前被滤除的框，现在保留下来，参与了后面的计算）。故通过矩阵的方式对其进行并行计算。

总结