PP-YOLOE的译读笔记

PP-YOLOE: An evolved version of YOLO

摘要

本文介绍了PP-YOLOE模型，一种SOTA的产业级目标检测器，具有性能高效和部署友好的特点。本文在之前的PP-YOLOv2的基础上进行优化，使用了anchor-free范式、更加强大的主干、配备CSPRepResStage的neck设计、ET-head以及动态标签分配算法TAL。本文对于不同的应用场景提供了s/m/l/x模型。实验结果显示，PP-YOLOE-l在COCO-test-dev上实现了51.4mAP，并且在Tesla-V100上的速度为78.1FPS，与之前的先进工业模型PP-YOLOv2和YOLOX相比，分别获得了（+1.9 AP, + 13.35%加速）和（+1.3AP, +24.96%加速）的显著提升。除此之外，PP-YOLOE的推理速度在使用TensorRT和FP16精度的条件下达到149.2FPS。本文还进行了大量的实验来验证本文设计的有效性。源代码和预训练模型请参见PaddleDetection。

1 引言

  一阶段目标检测器由于其优秀的速度精度均衡性，常常用于实时应用中。在一阶检测器中最著名的架构是YOLO系列[21_YOLOv1, 22_YOLOv2, 23_YOLOv3, 2_YOLOv4, 26_ScaledYOLOv4, 14_YOLOv5, 6_YOLOX, 18_PP_YOLOv1, 13_PP_YOLOv2]。从YOLOv1[21_YOLOv1]开始，YOLO系列模型已经在网络结构、标签分配等方面发生了巨大的变化。目前，YOLOX[6_YOLOX]在Tesla-V100以速度68.9FPS达到50.1mAP，实现了速度精度的最佳均衡。
  YOLOX引入了先进的anchor-free方法，并配备了动态标签分配，以提升检测器的性能，在精度上优于[14_YOLOv5]。