首先感谢本次参与YOLOX算法复现工作的社区贡献者们 (Github 账号名)：
HAOCHENYE、xiaohu2015、zhiqwang、HsLOL、shinya7y
最近YOLOX 火爆全网，速度和精度相比 YOLOv3、v4 都有了大幅提升，并且提出了很多通用性的 trick，同时提供了部署相关脚本，实用性极强。
近期，MMDetection 开源团队成员也组织进行了相关复现。通过与社区成员的协同开发，不仅让复现过程更加高效，而且社区成员在参与过程中可以不断熟悉算法，熟悉 MMDetection 开发模式。
后续我们也会再次组织相关复现活动，希望社区成员积极参与，共同成长，共同打造更加优异的目标检测框架。
本文内容
1. YOLOX 算法简介
2.YOLOX 复现流程全解析
1. YOLOX 算法简介
官方开源地址：
https://github.com/Megvii-BaseDetection/YOLOX
MMDetection 开源地址（欢迎 star）：
GitHub - open-mmlab/mmdetection: OpenMMLab Detection Toolbox and Benchmark
复现相关 projects：
Support of YOLOX · open-mmlab/mmdetection
YOLOX 的主要特性可以归纳为：
· Anchor-free，无需设计 anchor，更少先验，减少复杂超参，推理较高效；
· 提出了 Decoupled Head，参考 FCOS 算法设计解耦了分类和回归分支，同时新增 objectness 回归分支；
· 为了加快收敛以及提高性能，引入了 SimOTA 标签分配策略，其包括两部分 Multi positives 和 SimOTA，Multi positives 可以简单的增加每个 gt 所需的正样本数，SimOTA 基于 CVPR2021 最新的 OTA 算法，采用最优传输理论全局分配每个 gt 的正样本，考虑到 OTA 带来的额外训练代价，作者提出了简化版本的 OTA ，在长 epoch 训练任务中 SimOTA 和 OTA 性能相当，且可以极大的缩小训练代价；
· 参考 YOLOV4 的数据增强策略，引入了 Mosaic 和 MixUp，并且在最后 15 个 epoch 时候关闭这两个数据增强操作，实验表明可以极大地提升性能；
· 基于上述实践，参考 YOLOV5 网络设计思路，提出了 YOLOX-Nano、YOLOX-Tiny、YOLOX-S、YOLOX-M、YOLOX-L 和 YOLOX-X 不同参数量的模型。
2. YOLOX 复现流程全解析
本节目录
2.1 推理精度对齐
2.2 训练精度对齐
2.2.1 优化器和学习率调度器
2.2.2 EMA策略
2.2.3 Dataset
2.2.4 Loss
2.2.5 其他训练 trick
我们简单将 YOLOX 复现过程拆分为 3 个步骤，分别是：（1）推理精度对齐（2）训练精度对齐（3）重构。
#（偷偷注释掉）为了方便将官方开源权重迁移到 MMDetection 中，在推理精度对齐过程中，我们没有修改任何模型代码，而且简单的复制开源代码，分别插入 MMDetection 的 backbone 和 head 文件夹下，这样就只需要简单的替换模型 key 即可重复段落请忽略小编已哭晕。
2.1 推理精度对齐
为了方便将官方开源权重迁移到 MMDetection 中，在推理精度对齐过程中，我们没有修改任何模型代码，而且简单的复制开源代码，分别插入 MMDetection 的 backbone 和 head 文件夹下，这样就只需要简单的替换模型 key 即可。
一个特别需要注意的点：BN 层参数不是默认值 eps=1e-5, momentum=0.1，而是eps=1e-3, momentum=0.03，这个应该是直接参考 YOLOV5。
排除了模型方面的问题(后处理策略我们暂时也没有改)，对齐推理精度核心就是分析图片前处理代码。其处理流程非常简单——
# 前处理核心操作 def preproc(image, input_size, mean, std, swap=(2, 0, 1)): # 预定义输出图片大小 padded_img = np.ones((input_size[0], input_size[1], 3)) * 114.0 # 保持宽高比的 resize img = np.array(image) r = min(input_size[0] / img.shape[0], input_size[1] / img.shape[1]) resized_img = cv2.resize( img, (int(img.shape[1] * r), int(img.shape[0] * r)), interpolation=cv2.INTER_LINEAR, ).astype(np.float32) # 右下 padding padded_img[: int(img.shape[0] * r), : int(img.shape[1] * r)] = resized_img # bgr -> rgb padded_img = padded_img[:, :, ::-1] # 减均值，除方差 padded_img /= 255.0 if mean is not None: padded_img -= mean if std is not None: padded_img /= std padded_img = padded_img.transpose(swap) return padded_img, r
滑动可见完整代码
可以发现，其前处理流程比较简单：先采用保持宽高比的 resize，然后右下 padding 成指定大小输出，最后是归一化。
在 MMDetection 中可以直接通过修改配置文件来支持上述功能：
test_pipeline = [ dict(type='LoadImageFromFile'), dict( type='MultiScaleFlipAug', img_scale=img_scale, flip=False, transforms=[ dict(type='Resize', keep_ratio=True), dict(type='RandomFlip'), dict(type='Pad', size=(640, 640), pad_val=114.0), dict(type='Normalize', **img_norm_cfg), dict(type='DefaultFormatBundle'), dict(type='Collect', keys=['img']) ]) ]
相关的后处理阈值为：
test_cfg=dict( score_thr=0.001, nms=dict(type='nms', iou_threshold=0.65)))
分别对 YOLOX-S 和 YOLOX-Tiny 模型权重在官方源码和 MMDetection 中进行评估，验证是否对齐，结果如下：
注意：由于官方开源代码一直处于更新中，现在下载的最新权重，可能 mAP 不是上表中的值。
文章来源：公众号【OpenMMLab】
2021年8月11日
