PP-YOLOE是基于PP-YOLOV2进行改进的，改进点包括anchor-free，重参数，TAL动态label assign，ET-head等，基本就是将现有的使用比较成熟的组件模块堆积起来，然后再保持精度和速度一个较好的平衡。

PP-YOLOE结构图

上图是PP-YOLOE的算法结构图，其改进点主要集中在backbone和head部分，neck中的PAN结构我觉得已经成为当前yolo系列算法的标配了

• Anchor free
  作者使用PP-YOLOv2（49.1%mAP）作为baseline。作者认为，使用了anchor free之后，即使进行了一些精心设置，但是由于anchor base和anchor free赋值结果不一致，仍然带来了0.3%的AP降低，而PPYOLOE中的anchor free方法，主要就是将之前anchor base中预测相较于anchor的xywh，改进为预测ltrb(left,top,right,bottom)，并将ltrb结果乘上当前特征图的stride。不管是yolov6、yolox还是pp-yoloe使用的anchor free的方法都是基于fcos的算法，主要就是方法简单，可以省去很多人工先验只是的注入，同时这个方法也能提高模型的鲁棒性。

• 结构重参数化
  

  基于repvgg的结构重参数化，yolov6和yolov7都有使用，只是使用的位置有些区别，同时在yolov7中作者还帮大家踩了坑，解释了在哪些情况下使用结构重参数效果会变差。
  image.png
  
  上图是pp-yoloe中的重参数方法，主要将cspnet和结构重参数的方法结合了起来，同时加入了简化的SE注意力机制。