天下苦 anchor 久矣，这两年是 anchor-free 系列目标检测算法的爆发时间段。但是 YOLO 系列最新推出的 v4 和 v5 依然抱着 anchor 不放，在这种背景下旷视科技推出了基于 anchor-free 的 YOLOx 算法。今天就来盘点一下这里面一些有意思的东西。

作者选用的是 YOLOv3-SPP 作为 baseline，在这个基础上使用了很多 trick 不断升级打怪将 AP 提升了 8.8个百分点。

decoupled head

在目标检测里，回归任务和分类任务是有冲突的，所以最近几年出现的一些 anchor free 算法如 CornerNet、CenterNet 和 FCOS 等，都是将 regression 和 classification 分开进行预测。如下图所示：之前 regression 和 classification 任务都是长在一个头（head）上的，现在用了两个分支叉开了，因此称为 decoupled head。

实验结果发现，解藕操作不仅提升了 YOLOX 的性能和收敛速度，还为检测下游任务的一体化带来可能：
  • 和 yolact 相似，实现端侧的实例分割
  • YOLOX + 34 层输出，实现端侧人体的 17 个关键点检测。

Data Augmentation

数据增强在目标检测里一直有人在做，但是将 AP 提升了 2.4% 还是比较难得的。Mosaic 经过 yolov4 和 v5 的验证，表明对结果有显著的提升。作者在 YOLOX-L 模型上尝试了 copy-paste，也带来了 0.8% 的提升。此外还将关闭 Aug 的时间节点设定为终止前的 10~15 个 epoch，目的是为了为了让检测器避开不准确标注框的影响，在自然图片的数据分布下完成最终的收敛。

作者还提出一个观点：只有当模型容量足够大时，相对于先验知识（各种 tricks，hand-crafted rules ），更多的后验（data augmentation）知识才会产生本质影响。

anchor free

将 YOLO 算法从 anchor-base 切换到 anchor-free 的做法非常简单，直接套用 FCOS 那套逻辑即可。但是想要提高预测精度达到 SOTA 却不简单，作者在知乎上对正负样本的匹配经验做了一些总结，大家可以移步知乎。

Multi positives

为了和 YOLOv3 正负样本匹配机制一致，作者刚开始是只选择了一个 positive sample（目标中心）。但是作者在实验过程中发现，中心附近的 positive samples 有助于缓解正负样本不均衡问题，不应该完全被忽略掉。因此在训练过程中，作者把中心 3x3 区域内的像素都当作正样本，这个其实也是 FCOS 里的 center sampling 操作。最终这个骚操作使精度提升了 2.1 个百分点，效果显著啊。

SimOTA

OAT（Optimal Transport Assignment）是旷视发的一篇 CVPR 2021 论文，它把样本匹配建模成最优传输问题，找出前面 k 个最优的正样本。SimOTA 是在 OTA 的基础做了简化， 有兴趣可以去看看原文，这里就不做介绍了。

最后一些碎碎念：要说把这个算法取名 YOLOX，我是不服的。因为它其实和 YOLO 相关性并不大，反而和 FCOS 非常相似，所以感觉这样取名也是蹭了 YOLO 的热度吧 😂。

参考文献