论文阅读PP-yolo：An Effective and Efficient Implementation of Object Detector

1、摘要

目标检测是计算机视觉研究的重要领域之一，在各种实际场景中起着至关重要的作用。在实际应用中，由于硬件的限制，往往需要牺牲准确性来保证检测器的推断速度。因此，必须考虑目标检测器的有效性和效率之间的平衡。本文的目标不是提出一种新的检测模型，而是实现一种效果和效率相对均衡的对象检测器，可以直接应用于实际应用场景中。考虑到YOLOv3在实际应用中的广泛应用，我们开发了一种新的基于YOLOv3的目标检测器。我们主要尝试结合现有的几乎不增加模型参数和FLOPs的各种技巧，在保证速度几乎不变的情况下，尽可能提高检测器的精度。由于本文的所有实验都是基于PaddlePaddle 进行的，所以我们称其为PP-yoLo。意思通过结合多种技巧。PP-YoLo可以更好地平衡效率(45.2% mAP)和效率(72.9 FPS)，超过了目前最先进的检测器efficientdet和YOLOv4。

分析一下图（因为之前一直看不懂这种图）：
看横坐标，pp-yolo的FPS最多为130+，超过所有，mAP也不低
看纵坐标：mAP最高为为45+时，仅次于efficientdet，FPS却比其将近翻了一番

PP-YOLO可达45.2% mAP，速度高达72.9 FPS！FPS和mAP均超越YOLOv4，FPS也远超过EfficientDet
注：
V100 ：特斯拉V100的显卡
FPS：每秒传输的帧数

2、亮点

没有探索backbone及数据增强，没用NAS探索超参数
直接使用resnet为backbone，数据增强为mixup

3、结构

1、backbone：首先将yolo5中的backbone变为resnet50-vd，为了避免换了带来的性能降低，换resnet50-vd中的部分卷积为可变形卷积Deformable Convolutional Networks (DCN) 。DCN太多会影响推断时间，因此只用DCNs换了最后阶段的33卷积
DCN：本身不会显著增加模型中参数和FLOPs的数量，但是可能会影响推断时间
2、detection neck：
使用特征金字塔（FPN），并加上了横向连接
3、detection head：
使用11卷积核和3*3卷积核进行，输出3×(K+5)，3个anchor，K个类别，5即坐标和confidence
4、损失：
交叉熵损失和L1损失

4、Tricks

Larger Batch Size
EMA ：这里其实不是很理解34
DropBlock ：10
IoU Loss：没有直接换成Iou loss，然是又加了一个计算损失的分支
IoU Aware
Grid Sensitive
Matrix NMS
CoordConv
SPP
Better Pretrain Model