超级会员免费看
YOLOX是旷视在2021年发布的无锚点目标检测框架，旨在超越YOLO系列。该框架采用解耦的头部设计，结合强大的数据增强策略，实现性能提升。通过SimOTA标签分配策略，YOLOX在COCO数据集上达到了50.0%的AP，同时提供了多种规模的模型，包括适用于移动设备的Nano版本。YOLOX与YOLOv3相比，在保持类似参数量和计算量的同时，性能显著提高。
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；1.08G FLOPs；COCO：25.3% AP，超过 NanoDet 1.8% AP;
YOLOv3：COCO：47.3% AP；
YOLOX-L：COCO：50
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
