【目标检测】yoloX算法详解

一、yoloX的改进

由于yoloV4和yoloV5存在过度优化的问题，因此yoloX以yoloV3和Darknet 53为基线，采用了Darknet 53骨干网的结构架构和SPP层，改变了一些训练策略：

1. 增加了EMA权重更新、consine lr schedule、IoU损失和IoU感知分支，使用BCE Loss训练cls和obj，IoU Loss作为test分支。
2. 由于RandomResizedCrop和马赛克增强重叠，因此只采用了RandomHorizontalFlip，ColorJitter、multi-scale和mosaic用于数据增强。
3. 使用Mixup增强，不使用Imagenet预训练方法。
   

二、yoloX结构框架

三、Decoupled Head（解耦头部）

思想：分离分类和定位操作
好处：（1）提高了了yoloX收敛速度；（2）实现了yolo的端对端性能。
结构图：