---

如有錯誤，懇請指出。

---

文章目錄

• 1. Introduction
• 2. Revisit PP-YOLO
• • 2.1 Pre-Processing
  • 2.2 Baseline Model
  • 2.3 Training Schedule
• 3. Selection of Refinements
• • 3.1 Path Aggregation Network
  • 3.2 Mish Activation Function
  • 3.3 Larger Input Size
  • 3.4 IoU Aware Branch
• 4. Other try
• • 4.1 Cosine Learning Rate Decay
  • 4.2 Backbone Parameter Freezing
  • 4.3 SiLU Activation Function
• 5. Result

paper：PP-YOLOv2: A Practical Object Detector
code：https://github.com/PaddlePaddle/PaddleDetection

摘要：

在PP-YOLO的基礎上再進行了改進，提高精度的同時幾乎保持推斷時間不變。作者分析了一系列改進，并通過增量消融實驗來實證評估它們對最終模型性能的影響。最后PP-YOLOv2取得了更佳的性能(49.5%mAP)-速度(69FPS)均衡，并優于YOLOv4與YOLOv5。

PP-YOLO閱讀筆記：目標檢測算法——PP-YOLO

1. Introduction

---

在各種實際應用中，不僅計算資源有限，而且軟件支持不足，所以雙階段的目標檢測進行的非常緩慢。所以如何在保持推理速度的同時提高YOLOv3的有效性是實際應用中的一個關鍵問題。為了同時滿足這兩個問題，作者添加了一些改進，這些改進幾乎不會增加推斷時間，從而提高PP-YOLO的整體性能。

2. Revisit PP-YOLO

---

2.1 Pre-Processing

應用從$Beta(\alpha ,\beta )$分布中采樣的權重MixUp，其中$\alpha =1.5,\beta =1.5$。

然后RandomColorDistortion、RandomExpand、RandCrop、RandomFlip以0.5的概率依次應用。

然后對RGB通道進行歸一化處理。

最后，輸入大小從[320,352,384,416,448,480,512,544,576,608]均勻抽取。

2.2 Baseline Model

基準模型是PP-YOLO，其是YOLOv3的改進版本，首先使用ResNet50-vd對YOLOv3的backbone進行替換，隨后使用了10個技巧來提升性能。

具體查看：論文閱讀筆記 | 目標檢測算法——PP-YOLO

2.3 Training Schedule

在COCOtrain2017上，使用隨機梯度下降(SGD)對網絡進行訓練，使用分布在8個gpu上的96張圖像的小批量進行500K迭代。學習率在4K迭代時從0線性增加到0.005，在400K和450K迭代時分別除以10。重量衰減設為0.0005，動量設為0.9。采用梯度裁剪來穩定訓練過程。

3. Selection of Refinements

---

PP-YOLOv2大致結構如圖所示：

3.1 Path Aggregation Network

使用PAN代替FPN，多了一個自頂向下的信息匯集，之前多次提及，這里不再重復。

3.2 Mish Activation Function

Mish激活函數在YOLOv4、YOLOv5等多種實際的探測器中被證明是有效的。它們在骨干中采用mish激活功能。然而，作者更喜歡使用預先訓練的參數，因為有一個強大的模型，在ImageNet上達到82.4%的top-1精度。為了保持主干不變，我們將mish激活函數應用于檢測頸部而不是主干。

3.3 Larger Input Size

增加輸入尺寸會擴大對象的面積。因此，小范圍的目標信息將比以前更容易保存。因此，性能將得到提高。但是，較大的圖像輸入尺寸會占用更多的內存。要應用這個技巧，我們需要減少Batchsize。更具體地說，我們將Batchsize從每GPU 24張圖像減少到每GPU 12張圖像，并將最大輸入尺寸從608擴大到768。

輸入大小從[320、352、384、416、448、480、512、544、576、608、640、672、704、736、768]均勻繪制。

3.4 IoU Aware Branch

在PP-YOLO中，IoU aware loss采用的是軟權重格式（soft weight format），與初衷不一致。因此作者采用軟標簽格式（soft label format）。公式為：
$$loss=?t?\log (\sigma (p))?(1?t)?\log (1?\sigma (p))$$
其中t表示錨點和它匹配的ground-truth邊界框之間的IoU，p是IoU感知分支的原始輸出。ps：僅僅正樣本的IoU損失進行了計算

IoU注意力的提出由來：

在YOLOv3中，將分類概率和目標得分相乘作為最終檢測置信度，其中這沒有考慮到定位精度。為了處理這個問題，論文中引入一個IoU預測分支。在訓練過程中，使用感知IoU損失來訓練這個分支。在推理階段，最后的分類置信度由分類概率、目標分數和IoU值乘積得到。最終的檢測置信度然后用作后續NMS的輸入。

4. Other try

---

作者其實還嘗試了其他的一些消融實驗，但是沒有效果，所以最后也沒有使用這些技巧，這里還是記錄一下比較好。

4.1 Cosine Learning Rate Decay

與線性步進學習率衰減不同，余弦學習率衰減是學習率的指數衰減。不過其對初始學習率、熱身步數、結束學習率等超參數敏感，所以沒有看見其對COCOtrain2017有一個積極影響。（但是對COCOminitrain產生了積極的作用）

4.2 Backbone Parameter Freezing

在對下游任務進行ImageNet預訓練參數的微調時，通常會在前兩個階段凍結參數。然后這里同樣是對COCOminitrain有效而對COCOtrain2017無效。

不一致現象的一個可能原因是兩個訓練集的大小不同，COCO minitrain2017是COCOtrain2017的五分之一。在小數據集上訓練的參數的泛化能力可能比預先訓練的參數差。

4.3 SiLU Activation Function

同樣的SiLU，對COCOminitrain有效而對COCOtrain2017無效。所以使用Mish而不是SiLU。

5. Result

---

• 消融實驗，各個在PP-YOLOv2中各個技巧帶來的提升：
  
• 與SOTA的對比：
  

總結：

本文介紹了PP-YOLO的一些更新，形成了一個高性能的對象檢測器PPYOLOv2。PP-YOLOv2比其他著名的探測器(如YOLOv4和YOLOv5)在速度和精度上取得了更好的平衡。在本文中，我們探索了一些技巧，并展示了如何將這些技巧結合到PPYOLO檢測器上，并演示了它們的有效性。

總結，其實PP-YOLO系列幾乎沒有任何創新的，但通過實驗結合技巧提升了檢測性能。

總結

以上是生活随笔為你收集整理的论文阅读笔记 | 目标检测算法——PP-YOLOv2的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。