摘要

YOLOX采用了anchor-free的方式；并采用decoupled head的方式，即将类别预测head和坐标预测head解耦；采用SimOTA标签分配策略实现了先进的检测效果。对于只有0.91M参数和1.08G FLOPs的YOLONano，在COCO上获得25.3%的AP，AP超过NanoDet 1.8%；对于行业中使用最广泛的探测器之一YOLOv3，在COCO上将其提高到47.3%AP，比当前的最佳做法高出3.0%AP；对于与YOLOv4 CSP、YOLOv5-L参数量大致相同的YOLOX-L，我们在特斯拉V100上以68.9 FPS的速度在COCO上实现了50.0%的AP，超过了YOLOv5-L 1.8%的AP。作者还提供了支持ONNX、TensorRT、NCNN和Openvino的部署版本。

Introduction

过去两年，目标检测领域聚焦于：anchor-free检测器、label对齐策略以及无NMS的端到端检测器。这些技术都没有集成到YOLO系列当中。YOLOv4和YOLOv5仍然采用基于anchor的检测器和人工设计的分配anchor规则。

作者采用YOLOv3作为出发点，试图将以上研究集中到YOLOv3中，研究出YOLOX，性能如下图所示：

YOLOX

baseline：YOLOV3 with SPP和 Darknet53

1、实现细节

训练了300个epoch，warm-up前个epoch；优化器SGD；学习率线性缩放：lr*BatchSize/64，初始lr=0.01，余弦调度策略，权重衰减为0.0005，SGD动量为0.9。对于8-GPU设备，批处理大小默认为128。输入大小从448到832，步幅为32。

2、YOLOv3 baseline

在YOLOv3-SPP基础上，添加 EMA权重更新，余弦lr衰减，IoU损失以及IoU-aware分支，采用BCE损失训练cls和obj分支，IoU损失训练reg分支。只进行了随机水平翻转、颜色抖动和多尺度的数据增强，并放弃了RandomResizedCrop策略，因为我们发现RandomResizedCrop与mosaic增强有点重复。

3、Decoupled head

作者发现耦合的检测head会降低检测性能：

用一个解耦的head替换YOLO的head大大提高了收敛速度

解耦head对于端到端版本的YOLO至关重要：耦合head的端到端性能降低4.2%AP，而解耦head的端到端性能降低到0.8%AP。

具体来说，解耦后的head包含一个1*1 的conv层以减少通道尺寸，然后是两个分别的具有两个3*3 conv层的平行分支。

4、数据增强

Mosaic和MixUp增强方法

5、Anchor-free

anchor-free机制显著减少了需要启发式调整和许多技巧的设计参数数量（例如anchor的聚类）。

将每个位置的预测从3减少到1，并使其直接预测四个值，即网格左上角的两个偏移量，以及预测框的高度和宽度。我们将每个对象的中心位置指定为正样本，并预定义比例范围），以指定每个对象的FPN级别。这种修改降低了检测器的参数和GFLOP，使其速度更快，但获得了更好的性能–42.9%的AP。

6、Multi positives

为了与YOLOv3的分配规则保持一致，上述anchor-free版本仅为每个对象选择一个正样本（中心位置），但是忽略了其他高质量预测。然而，优化这些高质量的预测也可能带来有益的梯度，这可能会缓解训练期间正/负样本的极端不平衡。作者将中心3*3区域指定为正，检测器的性能提高到45.0%AP。

7、SimOTA

SimOTA首先为每个预测-gt对计算匹配度，称为cost。例如，在SimOTA中，ground truth表示为pi和预测pj之间的caost计算如下：

对于gt，选择固定中心区域内cost最小的前k个预测作为其正样本。最后，这些正预测的对应网格被指定为正样本，而其余网格为负样本。注意，k值因不同的gt而不同。SimOTA不仅减少了训练时间，而且避免了Sinkhorn-Knopp算法中额外的求解器超参数。SimOTA将检测器从45.0%AP提高到47.3%AP，比SOTA ultralytics-YOLOv3高出3.0%AP。

最后各模块的性能提升如下表所示：

三、YOLOX系列

作者将YOLOv5的backbone拿过来用，衍生出了YOLOXS,YOLOX-M, YOLOX-L, 和YOLOX-X，并将其与YOLOv5的性能进行比较，详细结果见论文表3.

作者类比YOLOv4-Tiny提出YOLOX-Tiny，并且针对移动设备，采用深度可分离卷积，提出了YOLOX-Nano模型，参数量为0.91M，FLOPS为1.08G。

其他的一些实验结果不再赘述，详见论文实验。