【网络结构】绘制YOLOX结构

原文地址：https://arxiv.org/abs/2107.08430
github地址：https://github.com/Megvii-BaseDetection/YOLOX

1.主要模块

（1）CSPDarknet架构
  Focus：[B, C, W, H] -> [B, 4C, W/2, H/2]，与swim transformer中一样
  CSPLayer：增强CNN学习能力，移除计算瓶颈，降低显存使用
（2）PAFPN结构
  高层向低层融合后，低层再向高层融合
（3）Decoupled head结构
  分类与回归分开预测，提高收敛速度

  网络结构以github地址中的yolox.py绘制，图中以3×1280×1280大小的输入为例，CSPLayer中的n控制残差模块的个数，浅蓝色的CSPLayer中没有残差连接，浅紫色的CSPLayer中才有残差连接，此外橙色的ConvBNSiLU中的卷积可选择替换为DW卷积。

2.YOLOX中的改进

（1）Decoupled head结构
（2）数据增强
  Mosaic+Mixup，在最后15个epoch关闭数据增强，无需ImageNet预训练
（3）Anchor-free方式
（4）Multi positive
  将中心3×3区域分配为正样本
（5）SimOTA标签分配
（6）End-to-end YOLO可选模块