Introduction
大概讲了一下,YOLO系列发展。提取当时可用的最先进的检测技术(例如,针对YOLOv2的锚anchor,针对YOLOv3的Residual-NET)进行优化,来达到一个好的效果。在过去两年中,目标检测学术界的主要进展集中在无锚检测器、高级标签分配策略和端到端(无nms)检测器。
但是哈,yolo最新系列目前都是anchor-based,所以这里考虑使用一下anchor-free,考虑到YOLOv4和YOLOv5对于基于锚的pipeline可能有点过度优化,我们选择YOLOv3作为我们的起点(我们将YOLOv3- spp设置为默认YOLOv3)。
看一下部分使用,当切换到先进的YOLOv5架构(采用先进的CSPNet骨干和并且带上PAN头)时,YOLOX-L在640 × 640分辨率的COCO上获得了50.0%的AP,比对应的YOLOv5- l高出1.8%的AP。
YOLOX-DarkNet53
YOLOX选择YOLOv3和Darknet53作为基础。
Decoupled head
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。因此,用于分类和定位的解耦头在一级和二级探测器中得到了广泛的应用。然而,作为YOLO系列的主干和特征金字塔(如FPN [13],PAN[20].)不断演化,其探测头仍然保持耦合。
我们的两个分析实验表明,耦合探测头可能会降低性能。1)取代Y