目标检测 YOLO 系列：你有我无 YOLOX

• 目标检测 YOLO 系列： 开篇
• 目标检测 YOLO 系列： 开宗立派 YOLO v1
• 目标检测 YOLO 系列： 更快更准 YOLO v2
• 目标检测 YOLO 系列： 持续改进 YOLO v3
• 目标检测 YOLO 系列： 你有我有 YOLO v4
• 目标检测 YOLO 系列： 快速迭代 YOLO v5
• 目标检测 YOLO 系列：你有我无 YOLOX

作者：Zheng Ge
发表时间：2021
Paper 原文：YOLOX: Exceeding YOLO Series in 2021

1. 概览

那边 YOLOv5 还在不断更新，这边旷世 YOLOX 又开了新头了，真是一幅百舸争流啊。。。当然作为一名工业界的搬运工，还是很兴奋的，又有新的砖可以搬了。YOLOX 一出，各种公众号“吊打一切”，“秒天秒地” 的声音就出来了，真有这么神？作为一名搬运工，我觉得单从工业应用的角度，吸引力没有那么大，因为精度提升不大（一两个点的提升），推理速度相比 YOLOv5 同级网络还略有下降。

当然这不妨碍 YOLOX 中那些发光点。论文作者在知乎上也亲自上台推广 YOLOX，做了比较全面的梳理。所以如果不想看论文，看论文作者的科普应该好过看那些二道贩子的公众号：论文作者自述 YOLOX。我觉得这些发光点里最吸引我的还是 Anchor Free，所以我 YOLOX 最大的两点是你有（Anchor）我无 （Anchor）。另外 YOLOX 还直接做好了各个平台（trt， ncnn, openvino）的移植配套，真是贴心啊。特别对于移动端（板子）推出了轻量化模型 YOLOX-Nano， YOLOX-Tiny。

• Anchor Free
• Decoupled Head
• SimOTA
• End2End（最终没有采用）

2. 网络结构

作者尝试了多种 backbone，最好的还是 Modified CSP 效果最好。关于 网络结构这一块，推荐参考江大白的 深入浅出Yolo系列之Yolox核心基础完整讲解。

以上面的 YOLOX-Darknet53 的结构为例。YOLOX-Darknet53 的 Backbone（Darknet 53） 和 Neck（FPN） 部分和 YOLOv3 是一致的，变化比较大的是 Prediction 部分。

2.1 Decoupled Head

Decoupled Head 的结构如下所示。Decouple 指的是把 reg，obj 和 cls 分开处理，然后 concate。

作者通过实验发现 Decoupled Head 效果更好，但是增加了计算量，因此采用一个 1*1 的卷积降维减少计算量。

网络（在 COCO 数据集上）最后的输出维度为 85*8400 ，相比 YOLOv5 的输出 3*（20*20+40*40+80*80）*85，减少了 2/3 。

3. 网络原理

相比前面的 YOLOv3~5，由于采用了 Anchor Free，所以回有所不同。关于训练时标签分配的问题，对于标签分配这一块，江大白的 深入浅出Yolo系列之Yolox核心基础完整讲解 中也要图文并茂的讲解。

4. Loss

bbox 的位置损失函数是 IoU loss， 可以选择普通的 iou_loss 或者是 giou_loss。

obj_loss 和 cls_loss 都是采用的 BCE loss。

另外，江大白的文章中有提到，他在自己的数据集上尝试把 obj_output Loss 函数从原文中的 BCELoss 修改为 FocalLoss 后长点明显，这个可以作为一个尝试。

4. 后处理

YOLOX 的后处理相对于 YOLOv5 更为简洁。整理如下。需要注意的是在 YOLOX 的 head 部分，已经对预测的结果进行了部分处理，将 xywh 的值映射到了相对于输入图像尺寸的尺度（详细处理见下面的公式）。

参考

• 论文作者自述 YOLOX
• 深入浅出Yolo系列之Yolox核心基础完整讲解