PP-YOLOE详解_ppyolove

        PP-YOLOE有一系列的模型，即s/m/l/x，可以通过width multiplier和depth multiplier配置。PP-YOLOE避免使用诸如deformable convolution或者matrix nms之类的特殊算子，以使其能轻松地部署在多种多样的硬件上。

该检测器的设计机制包括：

• Anchor free机制

• 可扩展的backbone和neck，由CSPRepResStage(CSPNet+RMNet)构成

• 使用Varifocal Loss(VFL)和Distribution focal loss(DFL)的头部机制ET-head(Efficient Task-aligned head)

• 动态标签分配算法Task Alignment Learning（TAL）

• SiLU激活函数

模型架构：

 PP-YOLOE的Backbone主要是使用RepVGG模块以及CSP的模型思想对ResNet及逆行的改进，同时也使用了SiLU激活函数、Effitive SE Attention等模块。

RepVGG

RepVGG，这个网络就是在VGG的基础上面进行改进，主要的思路包括：