[論文レビュー] PP-YOLOE: An evolved version of YOLO

Shangliang Xu, Xinxin Wang+9 more|arXiv (Cornell University)|Mar 30, 2022

Advanced Neural Network Applications被引用数 224

ひとこと要約

PP-YOLOE はアンカーなし設計、CSPRepResNet バックボーン/ネック、ET ヘッド、TAL ラベル割り当てを備えた産業用のワンステージ検出器で、PP-YOLOv2 を発展させ、COCO の最先端結果と広い導入性を実現します。

ABSTRACT

In this report, we present PP-YOLOE, an industrial state-of-the-art object detector with high performance and friendly deployment. We optimize on the basis of the previous PP-YOLOv2, using anchor-free paradigm, more powerful backbone and neck equipped with CSPRepResStage, ET-head and dynamic label assignment algorithm TAL. We provide s/m/l/x models for different practice scenarios. As a result, PP-YOLOE-l achieves 51.4 mAP on COCO test-dev and 78.1 FPS on Tesla V100, yielding a remarkable improvement of (+1.9 AP, +13.35% speed up) and (+1.3 AP, +24.96% speed up), compared to the previous state-of-the-art industrial models PP-YOLOv2 and YOLOX respectively. Further, PP-YOLOE inference speed achieves 149.2 FPS with TensorRT and FP16-precision. We also conduct extensive experiments to verify the effectiveness of our designs. Source code and pre-trained models are available at https://github.com/PaddlePaddle/PaddleDetection.

研究の動機と目的

• リアルタイムアプリケーション向けに実用的なモデルファミリでワンステージ物体検出をスケーラブルに推進する。
• 分類と位置合わせの整合性をタスク指向のトレーニングで改善する。
• RepResBlock ベースの CSPRepResNet および CSPRepResStage によるバックボーンとネックの効率を向上させる。
• 動的ラベル割り当てと高速・効率的なヘッドを組み込み、変形演算や Matrix NMS に頼らず精度を向上させる。

提案手法

• FCOS に触発されたアンカーなし検出を採用し、ピクセルレベルの正サンプルを用いる。
• バックボーン/ネック用の RepResBlock と、効率的なクロスステージ接続の CSPRepResNet/CSPRepResStage を導入する。
• 動的ラベル割り当てを用いたタスク整列学習（TAL）を組み込み、正サンプル選択と定位の精度を改善する。
• ESE アテンション、VFL/DFL に基づく損失、分布ベースの境界ボックスモデリングを統合した Efficient Task-aligned Head（ET-head）を開発する。
• 幅・深度の倍率でモデルをスケールさせ、s/m/l/x のバリアントを作成し、柔軟な導入を可能にする。
• PaddleDetection、TensorRT、ONNX サポートを備えた導入済み実装を提供する。

実験結果

リサーチクエスチョン

• RQ1 TAL を用いたアンカーなしトレーニングは、アンカーベースの PP-YOLOv2 や競合モデルである YOLOX と比べて測定可能な改善をもたらすか。
• RQ2 CSPRepResNet/RepResBlock バックボーン-ネック設計が、モデル規模全体での速度と精度にどのような影響を与えるか。
• RQ3 ET-head と VFL/DFL 損失は、分類-定位の整合性と全体の AP にどのように影響するか。
• RQ4 提案された PP-YOLOE シリーズは、さまざまなバリアントで産業導入の制約（速度、メモリ、ハードウェア互換性）を満たせるか。

主な発見

• PP-YOLOE-l は COCO test-dev で 51.4 mAP、Tesla V100 で 78.1 FPS。
• PP-YOLOE-l は PP-YOLOv2 および YOLOX と比較してそれぞれ 1.9 ポイントまたは 1.3 ポイントの AP 向上を示し、速度も向上。
• アンカーなし設計は、ベースラインの PP-YOLOv2 に対して AP の損失を最小限（0.3）に抑えつつ、手動で調整されたアンカーへの依存を減らす。
• TAL はアブレーションで最高 45.2 AP を提供し、他の要素と組み合わせるとベースラインとして 50.4 AP を生み出す。
• ET-head はベースに対して 0.5 AP を追加し、速度を良好に維持して 50.9 AP に寄与する。
• PP-YOLOE-s/i/m/x は、精度と導入ハードウェアに応じて 52.2–54.7 AP、95.2–149.2 FPS に到達する。
• PP-YOLOE ファミリーは、FP32/FP16/TensorRT 構成で YOLOv5/YOLOX と比較して速度/精度の競争力ある、または優れたトレードオフを達成する。