YOLOX: Exceeding YOLO Series in 2021

最新推荐文章于 2024-06-13 16:25:57 发布
最新推荐文章于 2024-06-13 16:25:57 发布
阅读量1.3k 收藏 2
点赞数 1
分类专栏： 计算机视觉论文速递 YOLO 目标检测 文章标签： 人工智能 机器学习 深度学习 计算机视觉 目标检测
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/amusi1994/article/details/118932952
版权

非常期待YOLOv6（YOLOv4/v5已发布一年了），白嫖真香！

在这里插入图片描述

其中YOLOX-L版本以 68.9 FPS 的速度在 COCO 上实现了 50.0% AP，比 YOLOv5-L 高出 1.8% AP！还提供了支持 ONNX、TensorRT、NCNN 和 Openvino 的部署版本。代码刚刚开源！

在这里插入图片描述

YOLOX

YOLOX: Exceeding YOLO Series in 2021

  • 作者单位：旷视科技
  • 代码：https://github.com/Megvii-BaseDetection/YOLOX
  • 论文：https://arxiv.org/abs/2107.08430

在本报告中，我们介绍了YOLO系列的一些经验改进，形成了一个新的高性能检测器——YOLOX。我们将 YOLO 检测器切换为anchor-free并进行其他先进的检测技术，即decoupled head 和领先的标签分配策略 SimOTA，以在大量模型中实现最先进的结果。

在这里插入图片描述

最低0.47元/天 解锁文章
Amusi（CVer）
关注
  • 1
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
【全面认知YOLO系列】第一部分：YOLO系列模型发展史
今晚打老虎的专栏
04-07 2634
YOLO V1（You Only Look Once version 1）是YOLO系列模型的第一个版本，由Joseph Redmon等人于2015年提出。相比于传统的目标检测方法，YOLO V1采用了全新的设计思路和网络结构，实现了端到端的目标检测，具有较高的检测速度和简单的设计。网络结构：YOLO V1模型采用卷积神经网络（CNN）作为基础网络结构，在输入图像上进行卷积操作，提取图像特征。单次预测。
YOLOX的源码，推荐大家去Github上去下载，这里提供一个改好的
12-30
配套使用教程在我的博客里面，自己查找
【YOLOX简述】
Magize的博客
04-09 9815
YOLOX简述
基于YOLOX的目标检测方法和调试demo进行测试
最新发布
weixin_47131505的博客
06-13 575
旷视的研究者将解耦头、数据增强、无锚点以及标签分类等目标检测领域的优秀进展与 YOLO 进行了巧妙的集成组合，提出了 YOLOX，不仅实现了超越 YOLOv3、YOLOv4 和 YOLOv5 的平均精度，而且取得了极具竞争力的推理速度。3. 最后YOLOX的代码中，会新建一个YOLOX_outputs文件夹，在其中的yolox_s/vis_res/，可以看到带有检测效果的图片；注：一定要从YOLOX的网址上下载权重文件，如果从其他渠道上下载可能会导致检测错误，检测不准确等问题！
目标检测——YOLOX算法解读
lishanlu136的博客
03-20 4379
旷视检测算法YOLOX算法解读
YOLOX的深入理解
Fantastic
03-31 1万+
文章目录前言Decouple headStrong data augmentationAnchor FreeMulti positivesSimOTAEnd-to-end YOLOBackbone 前言 Decouple head 27 34 Strong data augmentation Anchor Free 29 40 14 24 11 Multi positives 29 SimOTA 4 End-to-end YOLO Backbone
Exceeding_Z：挑战：超过Z
02-17
挑战 编写一个程序，该程序读取两个整数：X和Z（必须读取Z多次，直到读取大于X的数字）。 计算必须按顺序求和多少个整数（从X开始并包括X），以使总和超过Z的最小可能值并写入此数字。 输入的数字可能为21 21 15 30...
Fuel gain exceeding unity in an inertially confined fusion implosion
02-23
### 惰性约束聚变实现燃料增益超过一的研究 #### 核心知识点解析 ##### 1.... - **定义**：在惯性约束聚变（Inertial Confinement Fusion, ICF）过程中，如果通过聚变反应产生的能量超过了在压缩过程中投入到氘氚燃料...
Compact solid-state waveguide lasers operating in the pulsed regime: a review [Invited]
02-13
these small sources are capable of delivering stable pulses with durations as short as femtoseconds and repetition rates exceeding 10 GHz. These promising sources are known as solid-state waveguide ...
deep learning state of the art(MIT深度学习各领域最新突破PPT)
01-19
这是MIT系列课程之一，有关深度学习最新进展的讲座。包括BERT、特斯拉自动驾驶仪硬件中的大规模神经网络、AdaNet、AutoAugment、BigGAN等12大类。 本文所介绍的内容是MIT系列课程之一，是有关深度学习最新进展的...
【目标检测-YOLO】YOLOX（第一篇）
博观约取，厚积薄发
04-08 3462
文章链接：https://arxiv.org/pdf/2107.08430.pdf YOLOX是2021年8月 旷视发布的一篇论文，它是继YOLOv1后第一篇Anchor-free 的YOLO目标检测框架。本文对论文进行学习。 YOLOX: Exceeding YOLO Series in 2021 摘要 YOLOX：anchor-free；decoupled head；label assignment strategy：SimOTA YOLONano：0.91M parameters；1.0
YOLOX网络结构详解
热门推荐
霹雳吧啦Wz
06-07 4万+
在之前文章中我们已经聊过YOLO v5了，今天我们再来聊聊YOLOX。YOLOX是旷视科技在2021年发表的一篇文章，当时主要对标的网络就是很火的YOLO v5，如果对YOLO v5不了解的可以看下我之前的文章。那么在YOLOX中引入了当年的哪些黑科技呢，简单总结主要有三点，decoupled head、anchor-free以及advanced label assigning strategy(SimOTA)。............
超越一切YOLO！旷视提出YOLOX：新一代实时目标检测网络
阿木寺的博客
07-20 4万+
非常期待YOLOv6（YOLOv4/v5已发布一年了），白嫖真香！ 其中YOLOX-L版本以 68.9 FPS 的速度在 COCO 上实现了 50.0% AP，比 YOLOv5-L 高出 1.8% AP！还提供了支持 ONNX、TensorRT、NCNN 和 Openvino 的部署版本。代码刚刚开源！ YOLOX YOLOX: Exceeding YOLO Series in 2021 作者单位：旷视科技 代码：https://github.com/Megvii-BaseDetection/YOLO
简明扼要理解YOLOX
小灰灰的博客
03-28 2万+
由于疫情已经居家办公2周了，明天就可以正常通勤上班了，内心还有点小小的期待呢。趁着这三月暖暖的春风和屋外喳喳的鸟叫声，咱们来梳理一下YOLOX算法。如果对YOLO 系列算法还不了解的同学，请先找找相关的文章了解一下也可以看看我前面的这篇：简明扼要理解YOLO v3https://blog.csdn.net/rh8866/article/details/123620540 首先来看看YOLOX的网络结构图 如上图将这个网络分为四个部分：1，输入端；2，Backbone；3，Neck；4 Predic.
YOLOX优点介绍与解析，详细易懂。
mmmzzzxxx123的博客
08-15 1万+
YOLOX各个优点详解，让你一篇文章了解！
目标检测：YOLOX 解读
chairon的博客
12-30 3895
摘要 YOLOX把YOLO 系列的detector换成了anchor free的方式，并且采取了一些优化策略：样本分配策略：simOTA，decoupled head（解耦头）的思想。
【YOLO系列】YOLOX（含代码解析）
陶将的博客
06-26 1766
YOLOX是来自旷视团队的团队提出了，它再YOLO v3的基础上进行改进，是anchor free类模型。它使用decoupled head替代coupled head，提高head的表达能力。它使用multi positives的技巧，减少高质量预测框的损失。它使用SimOTA在不增加训练时间的前提下进行样本匹配。它使用Mosaic和Mixup进行更强形式的数据增强。多种技巧，让YOLOX模型具有高精度。
yolov7与yolox
09-22
YOLOX的论文名为"YOLOX: Exceeding YOLO Series in 2021"，你可以在论文中找到更详细的信息。YOLOX的一个主要改进是设计了YOLOv5的EfficientRep backbone结构，它在YOLOv5的基础上进行了优化，提高了特征提取效果和...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值