基于阿里集团 PAI-EasyCV框架复现YOLOX算法，探究用以实际提升YOLOX精度的实用技巧，并进一步结合阿里巴巴计算平台PAI自研的PAI-Blade推理加速框架优化模型性能。经过我们对社区诸多YOLOX 改进技巧的复现和探索，进一步提升了YOLOX的性能，在速度和精度上都比现阶段的40~50mAP 的SOTA的YOLOv6更胜一筹。同时，PAI-EasyCV提供高效简洁的模型部署和端到端推理接口，供社区快速体验使用YOLOX-PAI的功能。

RetinaFace: Single-stage Dense Face Localisation in the Wild

解决训练文本检测模型DBNet时遇到的一个BUG，供参考。

RepVGG: Making VGG-style ConvNets Great Again

Remote Sensing Image Change Detection with Transformers