本文已参与「新人创作礼」活动，一起开启掘金创作之路。
一、YOLOX简介
提出时间：2021年
作者单位：旷视科技
旷视官方代码：github.com/Megvii-Base…
论文下载地址：arxiv.org/abs/2107.08…
论文题目：《YOLOX: Exceeding YOLO Series in 2021》
《YOLOX: Exceeding YOLO Series in 2021》的意思是YOLOX在2021年超越了所有YOLO系列，标题很狂妄呀。
从2015年的YOLOv1，2016年YOLOv2，2018年的YOLOv3，再到2020年的YOLOv4和YOLOv5，2021年的YOLOX，YOLO系列在不断的进化发展。
YOLOX的速度和精度图如下，横坐标为推理速度，纵坐标为MAP精度。
YOLOX不同版本的参数量（模型大小）和MAP精度图：
可以发现在YOLOX不同版本中，YOLOX-Nano模型最小，速度最快。
模型大小往往与速度成正比，很难做到小模型实现高精度。
二、YOLOX模型结构（Decouple head）
YOLOX以YOLOv3-SPP为基础模型进行改进，其backbone是DarkNet-53。
如下图所示，在YOLOv3–YOLOv5中，检测头对候选框的分类和回归是耦合的（在一起进行，Couple），这样会影响模型检测的性能。YOLOX 对分类和回归进行了解耦（Decouple），即将二者分开，变成两个分支，并增加了IOU计算的分支。
下图是训练过程，显然解耦的检测头（Decouple head）的检测精度更高（解耦能带来4.2%AP提升），收敛速度更快。
三、YOLOX的改进之处
3.1 数据增强（data augmentation）
YOLOX采用了 Mosaic 和 MixUp 两种数据增强方式。
Mosaic是在YOLOv4中提出的，对四张图片进行拼接，每一张图片都有其对应的框框，将四张图片拼接之后就获得一张新的图片，同时也获得这张图片对应的框框。具体可以参考 YoloV4当中的Mosaic数据增强方法
MixUp 采用配对的方式进行训练，通过混合两个甚至是多个样本的分布，同时加上对应的标签来训练。两张图以一定的比例对rgb值进行混合，同时需要模型预测出原本两张图中所有的目标。目前MixUp在各大竞赛、各类目标检测中属于稳定提点的策略。具体可以参考 全网最全:盘点那些图像数据增广方式Mosiac,MixUp,CutMix等.
3.2 Anchor-free（不使用anchor）
YOLOv2–YOLOv5都是基于anchor的算法（ anchor-based），这种方式有一些问题：
（1）为了达到最优的检测性能，需要在训练前对训练集进行聚类分析，确定一组最优的anchor。这些聚类获得的anchor是对于特点数据集适用的，不具有普遍性。
（2）anchor机制增加了检测头的复杂度，以及对每幅图像的预测数量。在一些边缘AI系统中，在设备之间移动如此大量的预测（例如从NPU到CPU）可能会成为整体延迟的潜在瓶颈。
Anchor-free算法可以减少模型参数，具有代表性的Anchor-free算法是在论文《FCOS：Fullu Convolutional One-Stage Object Detection》，该方法借鉴了语义分割的方法，根据主像素点预测边界框。
YOLOX中，特征图中的一个点只预测一个候选框（而不是多个anchor），直接预测4个值（候选框左上角的xy坐标与w,h）。
3.3 Multi positives（多个正样本）
YOLO系列中关于正负样本的定义可以参考 YOLOv3/v4/v4/x中正负样本的定义
3.4 SimOTA
SimOTA是一种标签分配方法，
四、YOLOX的不同版本
4.1 YOLOX-S、YOLOX-M、YOLOX-L、YOLOX-X
如果不采用DarkNet53作为backbone，而采用YOLOv5的backbone（包括SCPNet、SiLU activation、PAN head），可以得到不同版本YOLO5对应的YOLOX的版本：
可以发现，YOLOX比YOLOv5的相应版本性能更好。
4.2 YOLOX-Tiny、YOLOX-Nano
Nano是纳米，YOLOX-Tiny和YOLOX-Nano是YOLOX的小模型，模型对比如下：
