YOLOX升级 | 阿里巴巴提出YOLOX-PAI,1ms内精度无敌,超越YOLOv6、PP-YOLOE

本文涉及的产品
交互式建模 PAI-DSW,每月250计算时 3个月
模型训练 PAI-DLC,5000CU*H 3个月
模型在线服务 PAI-EAS,A10/V100等 500元 1个月
简介: YOLOX升级 | 阿里巴巴提出YOLOX-PAI,1ms内精度无敌,超越YOLOv6、PP-YOLOE

feb655c2bac07ba574995bb39ca7f83e.png

EasyCV 是一个一体化计算机视觉工具箱,以方便使用各种 SOTA 计算机视觉方法。最近,作者将 YOLOX 的改进版 YOLOX-PAI 添加到 EasyCV 中。作者进行消融研究以调查某些检测方法对 YOLOX 的影响。作者还为 PAI-Blade 提供了一个简单的用法,用于加速基于 BladeDISCTensorRT 的推理过程。


最后,在单个 NVIDIA V100 GPU 上在 1.0 毫秒内收到 COCO 数据集上的 42.8 mAP,这比 YOLOv6 快一点。EasyCV 中还设计了一个简单但高效的预测器 api 来进行端到端目标检测。

1、简介

YOLOX 是最著名的单阶段物体检测方法之一,已广泛应用于自动驾驶、缺陷检测等各个领域。它在 YOLO 系列中引入了解耦头和Anchor-free方式,并在 40 mAP 到 50 mAP 之间获得最先进的结果。


考虑到它的灵活性和效率,作者打算将 YOLOX 集成到 EasyCV 中,这是一种一体化的计算机视觉方法,即使是初学者也能轻松使用计算机视觉算法。此外,通过使用检测BackboneNeckHead的不同增强来研究对 YOLOX 的改进。用户可以根据自己的需求简单地设置不同的配置来获得合适的目标检测模型。

62e4e1cece6ec74d23a718f655dfa7c9.png

此外,基于 PAI-Blade(PAI 的推理优化框架),进一步加快了推理过程,并提供了一个简单的 api 来在 EasyCV 中使用 PAI-Blade。最后,设计了一个高效的预测器 api,以端到端的方式使用 YOLOX-PAI,大大加速了原始 YOLOXYOLOX-PAI 与最先进的目标检测方法之间的比较如图 1 所示。


简而言之,本文的主要贡献如下:

  • EasyCV 中发布YOLOX-PAI 作为一个简单而高效的目标检测工具(包含docker 图像、模型训练、模型评估和模型部署的过程)。希望即使是初学者也可以使用 YOLOX-PAI 来完成他的目标检测任务。
  • 对现有的基于YOLOX 的目标检测方法进行了消融研究,其中仅使用一个配置文件来构建自行设计的 YOLOX 模型。随着架构的改进和 PAI-Blade 的效率,在单个 NVIDIA Tesla V100 GPU 上在 1ms 内获得了 40 mAP 和 50 mAP 中最先进的目标检测结果,用于模型推理。
  • EasyCV 中提供了一个灵活的预测器 API,分别加速了预处理、推理和后处理过程。这样,用户可以更好地使用 YOLOX-PAI 进行端到端的目标检测任务。

2、本文方法

2.1、Backbone

最近,YOLOv6PP-YOLOE 已经将 CSPNetBackbone 替换为 RepVGG。在 RepVGG 中,在推理过程中使用 3×3 的卷积块来代替多分支结构,有利于节省推理时间和提高目标检测结果。在 YOLOv6 之后,还在 YOLOX-PAI 中使用基于 RepVGGBackbone 作为选择。

2.2、Neck

作者使用两种方法来提升 YOLOXYOLOX-PAINeck的性能,即:

  1. 用于特征增强的自适应空间特征融合(ASFF)及其变体(记为ASFF_Sim);
  2. GSConv,一个轻量级的卷积块,以降低计算成本。

原始的 ASFF 方法使用几个 vanilla 卷积块来首先统一不同特征图的维度。受 YOLOv5Focus 层的启发,作者通过使用非参数切片操作和均值操作来替换卷积块以获得统一的特征图(表示为 ASFF_Sim)。具体来说,YOLOX 输出的每个特征图的操作在图 2 中定义。

a5781c7018c8862c05310fae8d3e2b42.png

作者还使用2种基于 GSConvNeck 来优化 YOLOX。使用的 Neck 架构如图3和图4所示。两种架构的区别在于是否将所有块替换为 GSConv。正如作者所证明的那样,GSconv 是专门为通道达到最大和尺寸达到最小的 Neck 设计的。

b94b5b20b1be7d8b744216254854444e.pngadddcd47fc37617bfd4e227ddc0e6c8a.png

2.3、Head

作者通过注意力机制增强了 YOLOX-Head,以协调目标检测和分类的任务(表示为 TOOD-Head)。架构如图 5 所示。首先使用一个 Stem 层来减少通道,然后是一组间卷积层以获得间特征图。最后,根据不同的任务计算自适应权重。分别测试了在 TOOD-Head 中使用 vanilla 卷积或基于 repvgg 的卷积的结果。

a8cccba21aae4e152d8e0002859ac681.png

2.4、PAI-Blade

PAI-Blade 是一个用于模型加速的简单且强大的推理优化框架。它基于许多优化技术,如 Blade Graph OptimizerTensorRTPAI-TAOTensor Accelerator and Optimizer)等。PAI-Blade 将自动搜索优化输入模型的最佳方法。因此,没有模型部署专业知识的人也可以使用 PAI-Blade 来优化推理过程。作者在 EasyCV 中集成了 PAI-Blade 的使用,让用户只需更改导出配置即可获得高效的模型。

2.5、EasyCV Predictor

除了模型推断,预处理功能和后处理功能在端到端目标检测任务中也很重要,而现有的目标检测工具箱往往会忽略这些功能。在 EasyCV 中,作者允许用户灵活选择是否使用预处理/后处理程序导出模型。然后,提供了一个预测器 api 来执行高效的端到端目标检测任务,整个过程只需几行代码。

3、实验

3.1、SOTA对比

85ffca0993bcefd9e2d308ed353e2c51.png

3.2、消融实验

1、Backbone的影响

85ffca0993bcefd9e2d308ed353e2c51.png

2、Neck的影响

82708c5da6eac0e01942127a924155a1.png

3、Head的影响

4f2abbd15f2251d552d9d4220719ba75.png

4、Blade的影响

2aeb6a9d12a9b4bf7a388c313d4aec9f.png

4、参考

[1].YOLOX-PAI: An Improved YOLOX Version by PAI

5、推荐阅读

全新高性能 FPN | ssFPN 教您如何修改 FPN 让大小目标在目标检测中都有提升!!!

YOLOP v2来啦 | YOLOv7结合YOLOP的多任务版本,超越YOLOP以及HybridNets

nnUNet 改进 | 让UNet系列在大赛中雄风依旧!

相关实践学习
使用PAI-EAS一键部署ChatGLM及LangChain应用
本场景中主要介绍如何使用模型在线服务(PAI-EAS)部署ChatGLM的AI-Web应用以及启动WebUI进行模型推理,并通过LangChain集成自己的业务数据。
机器学习概览及常见算法
机器学习(Machine Learning, ML)是人工智能的核心,专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能,它是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域。 本课程将带你入门机器学习,掌握机器学习的概念和常用的算法。
相关文章
|
机器学习/深度学习 编解码 人工智能
多场景PAI-Diffusion中文模型家族大升级,12个模型、2个工具全部开源
在本文中,将详细介绍PAI-Diffusion中文模型家族及其工具Chinese Diffusion WebUI和Diffuser-API的使用。
|
机器学习/深度学习 编解码 自然语言处理
PAI-Diffusion中文模型全面升级,海量高清艺术大图一键生成
本文主要介绍-Diffusion中文模型大幅升级,本文详细介绍PAI-Diffusion中文模型的新功能和新特性。
PAI-Diffusion中文模型全面升级,海量高清艺术大图一键生成
|
机器学习/深度学习 人工智能 搜索推荐
AI推理服务平台升级,阿里云机器学习PAI推出新规格
全新推理规格 GU30 问世,与传统规格相比价格平均优惠45%。
AI推理服务平台升级,阿里云机器学习PAI推出新规格
|
机器学习/深度学习 人工智能 编解码
阿里云PAI-Diffusion功能再升级,全链路支持模型调优,平均推理速度提升75%以上
本⽂首先介绍如何体验PAI-Diffusion模型以及其在线部署、加速推理能力。其次,我们简单回顾了PAI-Diffusion模型的架构,之后详细介绍了在EasyNLP算法框架中对上述模型进行调优的全链路支持。
阿里云PAI-Diffusion功能再升级,全链路支持模型调优,平均推理速度提升75%以上
|
机器学习/深度学习 自动驾驶 算法
YOLOX升级 | 阿里巴巴提出YOLOX-PAI,1ms内精度无敌,超越YOLOv6、PP-YOLOE
YOLOX升级 | 阿里巴巴提出YOLOX-PAI,1ms内精度无敌,超越YOLOv6、PP-YOLOE
214 0
|
机器学习/深度学习
阿里云机器学习DSW实例如何升级配置
在使用阿里云机器学习DSW时,实例的规格是在一开始就创建好了,那么如何给已经创建好的实例修改规格呢?实例是无法直接修改规格的,本篇内容简单介绍下通过保存镜像的方式升级DSW实例规格
321 0
阿里云机器学习DSW实例如何升级配置
|
机器学习/深度学习 人工智能 算法
上线十年,吴恩达机器学习课程全面升级,Python教学+更多应用,本月开课
上线十年,吴恩达机器学习课程全面升级,Python教学+更多应用,本月开课
295 0
上线十年,吴恩达机器学习课程全面升级,Python教学+更多应用,本月开课
|
机器学习/深度学习 算法 NoSQL
伴鱼:借助 Flink 完成机器学习特征系统的升级
Flink 用于机器学习特征工程,解决了特征上线难的问题;以及 SQL + Python UDF 如何用于生产实践。
伴鱼:借助 Flink 完成机器学习特征系统的升级
|
机器学习/深度学习 算法 测试技术
机器学习PAI 可视化建模 Tensorflow升级通知
机器学习PAI 可视化建模 Tensorflow升级通知!请PAI Tensorflow用户注意查收邮件!
3147 0
|
机器学习/深度学习 存储 人工智能
伊对联手机器学习PAI 让云技术赋能恋爱社交行业升级
伊对正在与阿里开展更为深入的合作,将阿里云机器学习PAI平台应用到更多视频恋爱社交业务和场景中,实现其在交互体验上的突破价值,引领恋爱社交行业增长的第二曲线
1433 0

相关产品

  • 人工智能平台 PAI