YoloX大升级:阿里巴巴提出新框架，超越Yolov6和PPYoloE(附源代码)

公众号ID｜ComputerVisionGzq

学习群｜扫码在主页获取加入方式

代码地址： https://github. com/alibaba/EasyCV

将YOLO检测器切换为无锚方式，并采用其他先进的检测技术，即解耦头和领先的标签分配策略SimOTA，以在大范围的模型中实现最先进的结果：对于只有0.91M参数和1.08GFLOPs的YOLO Nano，我们在COCO上获得25.3%的AP，超过NanoDet 1.8%的AP；对于工业上使用最广泛的探测器之一YOLOv3，我们在COCO上将其AP提高到47.3%，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COCO上以68.9 FPS的速度在Tesla V100上实现了50.0%的AP，超过了YOLOv5-L 1.8%的AP。

考虑到EasyCV的一些特性：

• 丰富完善的自监督算法体系：囊括业界有代表性的图像自监督算法SimCLR, MoCO, Swav, Moby, DINO等，以及基于mask图像预训练方法MAE，同时提供了详细的benchmark工具及复现结果。

• 丰富的预训练模型库：提供丰富的预训练模型，在以transformer模型为主的基础上，也包含了主流的CNN 模型, 支持ImageNet预训练和自监督预训练。兼容PytorchImageModels支持更为丰富的视觉Transformer backbone。

• 易用性和可扩展性 ：支持配置方式、API调用方式进行训练、评估、模型导出；框架采用主流的模块化设计，灵活可扩展。

• 高性能 ：支持多机多卡训练和评估，fp16训练加速。针对自监督场景数据量大的特点，利用DALI和TFRecord文件进行IO方面的加速。对接阿里云机器学习PAI平台训练加速、模型推理优化。

研究者使用了两种方式来提升Neck的性能，主要为：1）用于特征增强的自适应空间特征融合（ASFF）以及优化版本（ASFF-Sim）；2）GSConv，一种轻量级的卷积块，主要为了降低计算成本。

Head

研究者主要通过注意力机制来增强检测头，借鉴了Transform框架中的机制，主要为了协调物体检测和分类两个分支的任务，上图已经展示了检测头，使用stem模块来加内存通道数，然后有一组类间卷积层来获取类间特征图，然后根据不同任务自适应获取超参数。

PAI-Blade

通过统一的流程在不同框架上自动完成多样化的优化策略

• Performance: 优异的执行性能仍然是我们考虑的最主要问题；没有性能的优化工具，不拥有价值。

• Generality: 广泛的通用性能够适配更多场景，同时提供更多的开发和部署自由。

• 支持 TensorFlow/PyTorch/ONNX

• 支持多样的加速硬件，包括 GPU/CPU/DCU 等等

• 支持不同的加速方案，BladeDISC/TensorRT/TVM/MNN 等等

• Usability and Robustness: 易用性和鲁棒性能够降低用户的学习成本在生产系统中集成的成本。

• 统一的简洁的 API

• 最大程度的自动化

• 轻量的集成负担(仅需要几行代码)

PAI-Blade 和以往其他的工具主要的不同点在于它不仅仅考虑性能，而是更加强调性能、通用性、易用性与鲁棒性的协同设计。

转载请联系本公众号获得授权

计算机视觉研究院学习群等你加入！

• Yolov7：最新最快的实时检测框架，最详细分析解释（附源代码）
• 
  
• 
  
• 
  
• ONNX 浅析：如何加速深度学习算法工程化？
• 
  
•