yolox中关于NMS你需要知道的

最新推荐文章于 2023-10-12 20:55:36 发布
最新推荐文章于 2023-10-12 20:55:36 发布
阅读量1.2k 收藏 1
点赞数 2
分类专栏： 人工智能 深度学习 python 文章标签： python 深度学习 人工智能
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/fangweijiex/article/details/126682683
版权
python 同时被 3 个专栏收录
72 篇文章 6 订阅
订阅专栏
人工智能
40 篇文章 4 订阅
订阅专栏
深度学习
29 篇文章 1 订阅
订阅专栏
这篇博客探讨了YOLOX模型在不同阶段使用非极大值抑制（NMS）函数的区别。在demo.py中，模型采用torchvision.ops.nms()进行不区分类别的NMS操作。而在train.py和eval.py中，为了考虑类别信息，模型使用torchvision.ops.batched_nms()。这两种NMS函数的使用体现了在目标检测任务中对精度和效率的不同需求。
摘要由CSDN通过智能技术生成

模型中 调用了两个NMS函数torchvision.ops.nms(), torchvision.ops.batched_nms()

  • 模型默认是demo.py用torchvision.ops.nms()，即不区分类；而train.py和eval.py用torchvision.ops.batched_nms()，即区分类。

调用文件：

  • yolox/utils/boxes.py

请添加图片描述

  • 其中，nms_out_index = torchvision.ops.nms()和nms_out_index = torchvision.ops.batched_nms()

设置使用哪种NMS函数(以demo.py为例)

  • tools/demo.py

请添加图片描述

  • 其中，outputs = postprocess(outputs, self.num_classes, self.confthre,self.nmsthre,class_agnostic=True)
kyle-fang
关注
  • 2
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
[论文笔记]YOLOX 阅读笔记
qq_44690067的博客
07-25 796
YOLOX将anchor free、SimOTA、end-to-end用在了YOLO上，可以超越所有SOTA检测器的性能
YOLOX在win10上的部署以及训练自己的数据集
01-23
YOLOX是Megvii-...如果你在训练或配置过程中遇到问题，记得查看常见报错部分，或者查阅YOLOX的官方文档和GitHub仓库以获取更多帮助。训练过程可能涉及调整学习率策略、超参数优化、数据增强等，以达到最佳性能。
YOLOV7pth/pt转onnx学习记录
weixin_42037607的博客
09-02 484
将pytorch的pt文件转换为onnx进行加速，nms一起转化。
[YOLOv7/YOLOv5系列算法改进NO.19]非极大值抑制NMS算法改进DIoU NMS
m0_70388905的博客
07-12 6588
​前 言：作为当前先进的深度学习目标检测算法YOLOv5，已经集合了大量的trick，但是还是有提高和改进的空间，针对具体应用场景下的检测难点，可以不同的改进方法。此后的系列文章，将重点对YOLOv5的如何改进进行详细的介绍，目的是为了给那些搞科研的同学需要创新点或者搞工程项目的朋友需要达到更好的效果提供自己的微薄帮助和参考。解决问题：YOLOv5默认采用NMS算法，主要是通过IoU来筛选出候选框。...
YOLO等目标检测模型的非极大值抑制NMS和评价指标(Acc, Precision, Recall, AP, mAP, RoI)、YOLOv5中mAP@0.5与mAP@0.5:0.95的含义
悠悠小船长的博客
04-02 4339
YOLO等目标检测模型的非极大值抑制NMS和评价指标(Acc, Precision, Recall, AP, mAP, RoI)、YOLOv5中mAP@0.5与mAP@0.5:0.95的含义
【YOLO系列】搞懂YOLOv1 ~ YOLOv3 各个指标参数分析，一篇就够
零碎@流年絮语 的博客
11-02 4651
文章目录深度学习经典检测算法two-stage(两阶段)：Faster-rcnn Mask-Rcnn系列one-stage(单阶段)：YOLO系列指标分析map指标：精度：召回率：IOU 深度学习经典检测算法 two-stage(两阶段)：Faster-rcnn Mask-Rcnn系列 速度通常较慢(5FPS)，但是效果通常还是不错的! 非常实用的通用框架MaskRcnn。 one-stage(单阶段)：YOLO系列 最核心的优势：速度非常快，适合做实时检测任务! 缺点也是有的，效果通常情况下不会太
YOLOX-使用MegEngine实现YOLOX目标检测算法-附项目源码-优质项目实战.zip
最新发布
05-09
4. **DIOU-NMS**：YOLOX使用Distance-IoU（DIOU）非极大值抑制（NMS），优化了传统IoU指标，考虑了目标中心距离，更有效地处理重叠边界框。 5. **批标准化层的调整**：YOLOX对批标准化层（Batch Normalization）...
算法部署-使用deepstream在GPU上部署YOLOX目标检测算法-附项目源码-优质项目实战.zip
05-08
在本项目中，我们将深入探讨如何利用DeepStream SDK在GPU上部署YOLOX目标检测算法。DeepStream是由NVIDIA开发的一个高效、可扩展的平台，专门用于构建视觉应用，包括实时视频分析。YOLOX是一种最新的YOLO（You Only ...
OpenCV部署YOLOX支持YOLOX-S M L YOLOX-Darknet53C++和Python源码+模型+说明.zip
05-02
在OpenCV中部署YOLOX，首先需要将提供的预训练模型权重加载到程序中。在C++中，可以使用OpenCV的dnn模块，通过读取模型的.onnx或.pb格式文件来实现。Python环境下，可以利用cv2.dnn模块或者torch加载PyTorch的模型...
深度学习yolo样例数据，包含yolox的.onnx和样例图片
04-13
4. **非极大值抑制（NMS）**：为了避免多处检测到同一物体，需要使用NMS算法去除重复的边界框，保留最有可能的检测结果。 5. **后处理**：将模型输出的边界框坐标转换回原始图像坐标，并根据类别概率筛选出置信度高...
NMS算法简单优化
03-19
修改了NMS的算法的一些内容，优化了IOU的运算速度，提供了简单的思路
paddle.vision 与 torchvision 中的box NMS使用方式
先说一下，就简单地写点儿氵文，不是博客，只是我的笔记本/工具书
02-25 812
.
YOLOV ：基于YOLOX，使静态图像对象检测器在视频对象检测方面表现出色，注意力机制的魅力 Loss计算部分
qq_64693987的博客
10-12 281
输入是第几个batch、真实框的数量、所有框的数量（5379）、真实框、真实框的类别、每一帧图像的预测框（5376x4）、三个特征图与原图的缩放比、左上角的xy坐标、类别预测（8x5376x30）、框的预测（8x5376x4）、置信度预测（8x5376x1）、类别、图像。3.1.1由于每一个格子有一个预测框，因此计算每一个格子的中心点，判断在真实框和自己设计的4.5x4.5大小的框中的中心点，去除不在这些框中的中心点。1.将在预测框的中心点在真实框和自己设计的4.5x4.5大小框中的预测框选出来。
Linux命令之 -- export 设置/显示系统环境变量
liaowenxiong的博客
06-08 5287
export
关于torchvison.ops 没有 nms的解决办法
qq_43994782的博客
01-13 876
重写torchvision ops 的nms 方法
可以取代NMS？IOU感知校准：成就YOLOX更快的后处理方法！
CV_Autobot的博客
10-07 288
作者|AI视界引擎 编辑| 集智书童点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取点击进入→自动驾驶之心【目标检测】技术交流群本文只做学术分享，如有侵权，联系删文目标检测器是许多半自动和全自动决策系统的核心，它们有望变得更加不可或缺。然而，它们在可访问性方面仍然存在问题，有时可能会产生不可靠的预测。尤其令人担忧的是基本上是手工设计的非极大值抑制（NMS）算法，这些算法导...
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
NMS技术总结（NMS原理、多类别NMS、NMS的缺陷、NMS的改进思路、各种NMS方法）
qq_29462849的博客
05-09 4516
点击上方“计算机视觉工坊”，选择“星标”干货第一时间送达作者丨仿佛若有光157来源丨CV技术指南前言本文介绍了NMS的应用场合、基本原理、多类别NMS方法和实践代码、NMS的缺陷和改进思路、介绍了改进NMS的几种常用方法、提供了其它不常用的方法的链接。本文很早以前发过，有个读者评论说没有介绍多类别NMS让他不满意，因此特来补充。顺便补充了NMS的缺点和改进思路。No...
YOLOV5目标检测-后处理NMS(非极大值抑制)
热门推荐
猫猫与橙子的博客
04-25 1万+
一.非极大抑制整个计算原理 二.yolov5中相应的代码 三.同类别框相互包裹，去除低置信度，减少误检代码实现 def non_max_suppression(prediction, conf_thres=0.25
介绍一下yolox网络中的主要网络结构
05-10
Yolox网络是一个基于YOLOv3的对象检测算法，它在YOLOv3的基础上引入了一些新的结构，包括Cross-Stage Partial Network (CSP)和SPP结构等，以提高网络的性能。下面是Yolox网络的主要网络结构： 1. Backbone网络：Yolox网络使用Darknet53作为backbone网络。Darknet53是一个包含53个卷积层的卷积神经网络，用于提取特征图。 2. Neck网络：Yolox网络引入了Cross-Stage Partial Network (CSP)结构作为neck网络，这是一个新型的特征融合结构，能够提高网络的性能。 3. Head网络：Yolox网络引入了SPP结构作为head网络，这是一种空间金字塔池化结构，能够在不同尺度上对特征图进行池化，提高网络的感受野和检测精度。 4. Detect网络：Yolox网络使用YOLOv3的检测结构作为detect网络，包括多尺度预测、Anchor Box、NMS等。 通过以上的网络结构，Yolox能够达到很高的检测精度和较快的检测速度。
评论 1
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