DAMO-YOLO 论文学习_damo-yolo论文

1. 解决了什么问题？

工业界追求高性能、低延迟的目标检测算法，研究人员于是聚焦于单阶段目标检测，探索高效的网络结构和训练策略。YOLOv5/v6/v7、YOLOX 和 PP-YOLOE 在 COCO 数据集上实现了不错的精度-速度平衡，得到广泛应用，但它们仍有提升空间。

1. 网络结构对于目标检测非常关键，通过 NAS 技术搜索出检测友好的网络结构，许多要领先于人工设计的网络。
2. 对于检测器来说，融合高层级语义特征和低层级空间特征非常重要，neck 对于检测框架来说非常关键。本文通过一系列实验发现，“大 neck、小 head” 能取得更好的表现。因此作者舍弃了以前 YOLO 的检测 head，只保留了一个任务映射层，节省下来的计算量被移动到 neck 里面。
3. 动态标签分配策略如 OTA 和 TOOD 效果都要比静态标签分配好，但是错位问题仍然存在。
4. 知识蒸馏通过大模型的监督信号，能提升小模型的表现，非常适合实时目标检测的设计。但由于超参数很难优化，而且特征里面的噪声太多，直接在 YOLO 系列使用知识蒸馏通常不会取得明显提升。

2. 提出了什么方法？

本文提出的 DAMO-YOLO，对 YOLO 做的改进包括 MAE-NAS 主干网络、高效的 RepGFPN neck、ZeroHead、AlignedOTA 和蒸馏增强。

2.1 MAE-NAS 主干网络

作者使用 MAE-NAS 来获得不同计算成本下最优的网络结构。MAE-NAS 根据信息理论对初始化网络做排序，无需训练网络，构建一个代理。该搜索过程只需几个小时，要远远短于训练耗时。

作者使用搜索模块 “$\text{k1kx}$” 来设计网络空间的主干部分，该模块与 Darknet-53 里的模块相似。受 YOLOv6 启发，作者用 GPU 推理延迟而非 FLOPs 作为目标预算。搜索完成后，作者在主干网络使用空间金字塔池化（SPP）、Focus 和 Cross Stage Partial(CSP) 模块。

下表列出了不同尺度的 CSP-Darknet 和 MAE-NAS 主干网络的比较，MAE-ResNet 表示 MAE-NAS 主干里面只有 SPP 和 Focus 模块，MAE-CSP 表示里面还包括了 CSP 模块。此外，“S”(small) 和 “M”(medium) 分别表示大小不同的主干网络。为了平衡精度和速度，在 “T”(tiny) 和 “S” 中使用了 MAE-ResNet，在 “M” 中使用了 MAE-CSP。

2.2 Efficient RepGFPN

特征金字塔网络聚合由主干网络提取的不同分辨率的特征，是目标检测算法中关键而有效的一环。传统的 FPN 加入了一个 top-down 路径来融合多尺度特征。PAFPN 增加了一个 bottom-up 路径聚合网络，计算成本也上升了。BiFPN 去除了只有一个输入 edge 的 nodes，在同一层级的原始输入的位置增加了 skip-link。Generalized-FPN(GFPN) 能充分地交换高层级语义信息和低层级空间信息，取得了 SOTA 表现。在前一层和当前层的特征中，GFPN 融合多尺度特征。此外，${\log }_2(n)$个 skip-layer 连接提供了更有效的信息交流，使信息深入到网络内部。GFPN 能有效提高 YOLO 模型的精度，但是延迟也要比 YOLO 系列的 PANet 严重。通过分析，总结出原因有以下几点：

• 不同尺度的特征图共享相同的通道维度；
• Queen-fashion 操作无法满足实时检测的要求；
• 基于卷积的跨尺度特征融合的效率比较低。

于是作者提出了 Efficient-RepGFPN，满足实时检测的要求。

• 由于不同尺度特征图的 FLOPs 差异巨大，很难在有限的计算成本下，让每一个尺度的特征图共享同一个通道维度。因此在 neck 融合特征时，不同尺度的特征图对应着不同的通道维度设定。上表展示了通道数相同和不同时的表现，可以看到 neck 深度（bottleneck 重复次数）和宽度的平衡对模型表现很有益。当深度为 3、宽度为$（96,192,384）$时的表现是最佳的。

• GFPN 通过 queen-fashion 增强特征交流，但会增加许多上采样和下采样操作。下表比较了这些上采样和下采样操作，$\searrow ,\nearrow$分别表示下采样和上采样操作。可以看到，上采样操作只增加了$0.3$mAP，但延迟增加了$0.6$ms。因此作者去除了 queen-fashion 里的上采样操作。
  

• 在特征融合模块，先用 CSPNet 替换原$3\times 3$卷积特征融合，取得了$4.2$mAP 的提升。然后对 CSPNet 做改进，加入了重参数化和 ELAN。如下表所示，这些改进没有增加计算成本，却实现了更高的精度。
  

2.3 ZeroHead and AlignOTA

目前先进的目标检测方法都使用了解耦 head，虽然提高了 AP，但延迟也明显增加了。作者进行了一系列实验，发现“大 neck、小 head” 效果最好。因此，在 head 里面只保留了一个映射层，即分类任务一个线性层、回归任务一个线性层。因为 head 里没有了需要训练的层，作者将该 head 命名为 ZeroHead，它节省出的计算量可以用于 RepGFPN neck。ZeroHead 可以看作为一个耦合的 head。在损失函数中，分类使用的 QFL，回归监督使用的 DFL 和 GIoU 损失。QFL 让网络学习分类和定位的联合表征。DFL 用 general distribution 对边框坐标建模，预测的边框更加可靠和准确。训练损失如下：

$$Loss=\alpha \cdot los{s}_{QFL}+\beta \cdot los{s}_{DFL}+\gamma \cdot los{s}_{GIoU}$$

标签分配也很关键，它为 anchors 分配分类目标和回归目标。像 OTA 和 TOOD 这些分配方法取得了明显的性能改进。动态标签分配会根据预测框和目标框之间的分配代价来分配标签。虽然在损失里面，对齐分类和回归任务被广泛研究，但是在标签分配里面，对齐分类和回归任务却鲜有提及。尽管动态分配缓解了该问题，但由于分类和回归损失（如交叉熵损失和 IoU 损失）的不均衡，该问题仍然存在。于是作者在分类代价中加入了 focal loss，将预测框和目标框的 IoU 作为软标签，形式如下：

$$AssignCost=C_{reg}+C_{cls}$$
$$\alpha =IoU(re{g}_{gt},re{g}_{pred})$$
$$C_{reg}=-\ln (\alpha )$$
$$C_{cls}=(\alpha -cl{s}_{pred}{)}^2\times CE(cl{s}_{pred},\alpha )$$

这样，我们就可以为每个目标选择分类和回归对齐的样本。本文是从全局的角度来表示对齐的分配代价，命名为 AlignOTA。下表
中比较了各标签分配方法。

2.4 蒸馏

知识蒸馏是提升小模型性能的有效办法。但是直接在 YOLO 模型上使用知识蒸馏并不一定能取得显著改进，因为超参数很难优化，而且特征包含很多噪声。作者采用基于特征的蒸馏，在中间特征图上蒸馏识别和定位信息。作者进行了多个快速验证实验，选择合适的蒸馏方法，结果如下表所示。CWD 最适合本文方法。

本文提出的蒸馏策略包含两步：

• 在第一个阶段（前 284 个 epochs），打开 strong mosaic，教师网络对学生网络进行蒸馏。面对极端增强的数据分布，学生网络在教师网络指导下能进一步平滑地提取出信息。
• 在第二个阶段（后 16 个 epochs），关闭 mosaic，学生网络自己做微调。这一阶段不做蒸馏，是因为教师网络会凭借经验，想要在一个陌生的环境里面拉住学生网络，破坏学生网络的表现。

DAMO-YOLO 对蒸馏做了两点改进：

• Align Module。它是一个线性映射层，将学生特征的分辨率（$C,H,W$）适配到与教师特征一样。迫使学生特征直接去近似教师特征，所带来的提升不如自适应模仿所带来的显著。
• 通道动态调节。对教师和学生特征使用归一化操作，弱化真实数值差异造成的影响。减去均值后，各通道的标准差就作为 KL 损失的调节系数使用。

此外，关于蒸馏，作者有两个发现可以改进蒸馏。一是平衡蒸馏和任务损失。如下图，当我们关注在蒸馏（$weight=10$）时，学生网络的分类损失收敛就较慢，副作用明显。当损失权重较小（$weight=0.5$）时，能很好地平衡蒸馏和分类任务。其次，检测器的 head 的深浅。合理地降低 head 的深度有助于 neck 的特征蒸馏。原因是，当最终输出和蒸馏的特征图之间的差距较小时，蒸馏对决策的影响要更好。