目标检测——YOLOX算法解读

原创 已于 2025-06-12 16:03:13 修改 · 1w 阅读 · 51 ·
CC 4.0 BY-SA版权
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。
文章标签：

#目标检测 #算法 #YOLO #YOLOX

于 2024-03-20 20:17:51 首次发布
最低0.47元/天 解锁文章
【目标检测】YOLOX ，YOLO系列的集大成者
qq_43799400的博客
04-06 1万+
YOLOX 详解
YOLO算法
小森的博客
03-01 9758
YOLO，全称为You Only Look Once: Unified, Real-Time Object Detection，是一种实时目标检测算法。目标检测是计算机视觉领域的一个重要任务，它不仅需要识别图像中的物体类别，还需要确定它们的位置。与分类任务只关注对象是什么不同，目标检测需要同时处理离散的类别数据和连续的位置数据。YOLO算法基于深度学习的回归方法，它将目标检测问题转化为一个回归问题，使用单个卷积神经网络（CNN）直接从输入图像预测边界框（bounding box）和类别概率。
YOLO基本知识
最新发布
2501_91113915的博客
10-10 2602
1、什么是YOLOYOLO（You Only Look Once）是一种基于深度学习的目标检测算法，由Joseph Redmon等人于2016年提出。它的核心思想是将目标检测问题转化为一个回归问题，通过一个神经网络直接预测目标的类别和位置，例如下图所示。YOLO算法将输入图像分成SxS个网格，每个网格负责预测该网格内是否存在目标以及目标的类别和位置信息。此外，YOLO算法还采用了多尺度特征融合的技术，使得算法能够在不同尺度下对目标进行检测。
YOLO系列详解（YOLOV1-YOLOV3）
chen695969的博客
02-11 8100
YOLO提出时由于one-stage特性，速度很快，FPS可以达到45，总体精度低于FastRCNN。遗憾的是，由于网格稀疏，对小对象预测效果较差。总的来说，为工业实时检测提供了新的思路。YOLO2在参考RCNN系列检测的前提下，自行设计了网络结果和训练优化手段，取得了不错的效果，为很多检测算法提供了新的思路。相比于YOLO2，YOLO3没有什么太突破的成果，参照ResNet加深了网络结构，使用比较流行的多尺度融合提升了小目标检测效果。
【卷积神经网络】YOLO 算法原理
洋洋Young的博客
10-29 1万+
在计算机视觉领域中，目标检测（Object Detection）是一个具有挑战性且重要的新兴研究方向。目标检测不仅要预测图片中是否包含待检测的目标，还需要在图片中指出它们的位置。2015年，Joseph Redmon, Santosh Divvala 等人提出第一个 YOLO 模型，该模型具有实时性高、支持多物体检测的特点，已成为目标检测领域热门的研究算法。本文主要介绍 YOLO 算法及其基本原理。
论文阅读笔记 | 目标检测算法——YOLOX
Clichong
10-17 2771
如有错误，恳请指出。 文章目录1. Introduction2. YOLOX2.1 YOLOv3 baseline2.2 Decoupled head2.3 Strong data augmentation2.4 Anchor-free2.5 Multi positives2.6 SimOTA3. Result paper：YOLOX: Exceeding YOLO Series in 2021 摘要： 作者将YOLO检测器切换为anchor_free方式，并且结合了一些先进的检测测量，比如一个解耦的.
使用yolox进行目标检测（一）
weixin_56679743的博客
09-11 1265
作为机器学习入门级选手，本篇文章主要是使用源代码来跑通自己的数据集，先大概看懂源代码然后尝试一下跑通较小的数据集，后续会增加数据集来设计界面来制作简易垃圾系统。
目标检测——YOLOv12算法解读
lishanlu136的博客
06-12 1256
YOLOv12算法解读及代码分析
ByteTrack多目标跟踪——YOLOX详解
weixin_44606353的博客
03-21 3064
项目地址：ByteTrack使用的检测器是YOLOX，是一个目前非常流行并且效果非常好的检测器，ByteTrack的跟踪效果也完全离不开YOLOX的检测性能。
[论文阅读]DAMO-YOLO——实时目标检测设计报告
qq_53909832的博客
10-03 1万+
DAMO-YOLO论文阅读
【论文解读】transformer小目标检测综述
INTSIG的博客
02-22 3925
本综述论文回顾了60多篇研究论文，专注于开发小目标检测任务的transformer，包括纯基于transformer和集成cnn的混合技术。这些技术已经从七个不同的角度进行了研究：目标表示、用于高分辨率或多尺度特征图的快速注意机制、架构和块的修改、时空信息、改进的特征表示、辅助技术和完全基于transformer的检测。这些类别都包括几种最先进的（SOTA）技术，每一种都有自己的优点。
YOLO系列算法
热门推荐
最白の白菜的博客
03-03 3万+
目录YOLO系列算法yolo算法Yolo算法思想Yolo的网络结构网络输入网络输出7X7网格30维向量Yolo模型的训练训练样本的构建损失函数模型训练模型预测yolo总结yoloV2预测更准确（better）batch normalization使用高分辨率图像微调分类模型采用Anchor Boxes聚类提取anchor尺度边框位置的预测细粒度特征融合多尺度训练速度更快（Faster）识别对象更多yoloV3算法简介多尺度检测网络模型结构先验框logistic回归yoloV3模型的输入与输出yoloV4总结
YOLO系列目标检测算法——YOLOX
AI-Mei的博客
12-20 3883
本文介绍了YOLO系列的一些有效的更新，得到了一个名为YOLOX的高性能anchor-free目标检测器。YOLOX配备了一些最新的先进的检测技术，即解耦头，anchor-free，和先进的标签分配策略，YOLOX在所有模型大小的速度和准确性与其他算法之间实现了更好的权衡。值得注意的是，本文将YOLOv3架构在COCO上的准确率提高到了47.3%，比目前的最佳实践高出3.0%。
目标检测——YOLO算法解读（通俗易懂版）
lishanlu136的博客
12-19 2万+
yolo算法通俗易懂版本解读
【目标检测】YOLOX-算法（代码解读）
qq_45752541的博客
03-15 1万+
文章目录前言一、测试1.引入库二、训练1.引入库2.读入数据总结 前言 分享一下YOLOX具体实现过程 一、测试 首先看demo.py。 1.引入库 代码如下（示例）： line196：构建了一个predictor类，将测试图片输入 outputs, img_info = predictor.inference(image_name) 然后进入predictor的inference过程： img = cv2.imread(img) ratio = min(self.test_size[0]
【目标检测】yoloX算法详解
qq_40373651的博客
11-26 2万+
一、yoloX的改进 由于yoloV4和yoloV5存在过度优化的问题，因此yoloX以yoloV3和Darknet 53为基线，采用了Darknet 53骨干网的结构架构和SPP层，改变了一些训练策略： 增加了EMA权重更新、consine lr schedule、IoU损失和IoU感知分支，使用BCE Loss训练cls和obj，IoU Loss作为test分支。 由于RandomResizedCrop和马赛克增强重叠，因此只采用了RandomHorizontalFlip，ColorJitter、mu
目标检测进阶二(Yolo算法)
litt1e的博客
02-20 1673
假设你的输入图像是100✖100的，然后再图像上放一个网格。为了简单这里放置了3✖3的网格（实际实现时会更加精细）。YOLO算法基本思路是：使用图像分类和定位算法（之前博客中介绍过），然后将算法应用到9个格子上。 更具体一点，需要这样定义训练标签，对于9个格子中的每一个，指定一个标签y，y是8维向量，即Pc=0或1，表示格子中是否有图像，然后bx，by，bh，bw去表示（如果那个格子中有对象）边...
【论文解读】​YOLOX: Exceeding YOLO Series in 2021
AI公园
07-27 709
点击上方“AI公园”，关注公众号，选择加“星标“或“置顶”导读旷视团队对YOLO系列的再一次超越。论文链接：后台发送“yolox”获取论文链接。1. YOLOX1.1 YOLOX-Dark...
YOLOX目标检测算法Paddle实现与实战源码分享
从文件名称列表中可以看出，整个资源包是一套完整的套件，它将标题中提到的所有关键点——YOLOX、Paddle、目标检测算法、项目源码以及优质项目实战——融合在了一起。这样的打包方式为用户提供了极大的便利，用户...
评论 2
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
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