前言

YOLOR是2021年提出的一种算法，其一作Chien-Yao Wang(台湾)同时也是最近刚出的YOLOv7的第一作者。

论文地址：https://arxiv.org/abs/2105.04206
论文项目地址：https:// github.com/WongKinYiu/yolor

理论简介

YOLOR的论文不容易啃，因为其在里面写了大篇幅的数学推导概念，我不做深入推导研究，仅对其思想进行简单复述。

YOLOR的核心思想也是借鉴了人脑生理学结构。人类可以通过正常的感官和经验来进行主动学习，这部分学习到的知识被称为显性知识，与此同时，人类也可以通过潜意识来进行学习，这部分学习到的知识被成为隐性知识。

在传统的神经网络模型中，往往提取了神经元特征而丢弃了隐式知识的学习运用，作者将直接可观察的知识定义为显式知识，隐藏在神经网络中且无法观察的知识定义为隐式知识。
因此，作者就针对这一点做了下列一些研究贡献：

1. 提出了一个可以完成各种任务的统一网络，它通过整合内隐知识和外显知识来学习一般表示，人们可以通过这种一般表示来完成各种任务。所提出的网络以非常小的额外成本(不到1万的参数量和计算量)有效地提高了模型的性能。
2. 将核空间对齐、预测精细化和多任务学习引入内隐知识学习过程，并验证了它们的有效性。
3. 分别讨论了利用向量、神经网络和矩阵分解等工具对隐性知识进行建模的方法，并验证了其有效性。
4. 证实了所提出的内隐表示可以准确地对应特定的物理特征，并且我们也将其以视觉的方式呈现出来。

下面具体的内容太复杂且枯燥了，深入了解的可以看原论文或博文[1]总结的思维导图：

下面是论文里展现的作者使用不同模型的实验结果：

实践测试

东西好不好，还得看实际用了才知道。
看到源码基本上也是基于YOLOv5改的，因此看过我之前这篇博文【目标检测】YOLOv5跑通VisDrone数据集的读者应该对跑通YOLOR也轻车熟路。

下面我就使用VisDrone数据集和yolor_csp_x_star这个模型跑100个epoch，再进行测试，下面是测试结果，同样和之前【目标检测】TPH-YOLOv5：基于transformer的改进yolov5的无人机目标检测做个实验的模型进行对比，结果如下：

注：只是100个epoch的得到的best.pt的测试结果，并未达到最优性能，通常论文里展示的测试结果都是300个epoch以上。

仅看mAP数值的话，YOLOR的数值在迭代100轮的情况下，数值最高，说明YOLOR的确是有所提升效果的。

下面我导入之前测试过的小目标人体检测视频，可以看到YOLOR的检测效果并没有像数值预期的那样理想，说明对于小目标情况，YOLOR并不非常适用(这是未经足够实验得出的结论，仅供参考)。

代码备份

跑YOLOR的代码可以明显发现作者的目光并不局限于AP，有时候，AR在一些具体任务中，比AP更重要。作者对这点进行了优化，训练完之后，不像原版只保存best.pt和last.pt，而是保存多个模型。

可能是由于作者的一些失误，原始代码在运行时有一些小bug。我进行了简单修正，特将代码备份如下(包含yolor_csp_x_star.pt权重文件和我运行的一些结果)：
https://pan.baidu.com/s/1lXiu82q0sQPTCU0C4UmcAQ?pwd=8888

References

[1]https://blog.csdn.net/weixin_42917352/article/details/120050525