【论文阅读】YOLO-X:Exceeding YOLO Series in 2021

题目： YOLOX: Exceeding YOLO Series in 2021
作者： Zheng Ge Songtao Liu Feng Wang Zeming Li Jian Sun

motivation:
作者想把yolo检测器改为anchor-freee的方发进行目标检测。

method:
先上张厉害的图：力压efficientdet.

训练细节：
Baseline：YOLOv3

300epoch的训练长度，其中，前5个epoch使用warmup学习率策略；
优化器使用标配的SGD；
学习率：其中初始学习率 0.01。使用余弦学习率策略；
batch size为128，使用8块GPU
多尺度训练：448-832，不再是以往的320-608了。这应该是追求large input size的涨点。
Backbone就是v3所使用的DarkNet-53。
预测部分加入了IoU-aware分支，这一点应该是和PP-YOLO是对齐的
损失函数：obj分支和cls分支还是使用BCE，reg分支则使用IoU loss；
使用EMA训练技巧；
数据增强仅使用RandomHorizontalFlip、ColorJitter以及多尺度训练，不使用randomResizedCrop，作者认为RandomResizedC