复现教程 | 目标检测的集大成者-YOLOX来了！

最新推荐文章于 2023-03-20 16:33:14 发布
最新推荐文章于 2023-03-20 16:33:14 发布
阅读量728 收藏 2
点赞数
分类专栏： 模型部署 文章标签： 计算机视觉 数据库 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/m0_60673947/article/details/120704597
版权

一、模型介绍

YOLOX模型于2021年由开发者Zheng Ge，Songtao Liu，Feng Wang，Zeming Li，Jian Sun在《YOLOX: Exceeding YOLO Series in 2021》首次提出。YOLOX对YOLO系列的进行一些改进，形成了一种新的高性能探测器。配备了一些新的先进检测技术，即解耦头、无锚点和先进的标签分配策略，YOLOX在速度和精度之间实现了更好的平衡，比所有型号尺寸的其他同类产品都好。值得注意的是，我们将YOLOv3的体系结构提高到了47.3%，超过了目前最佳实践的3.0%。

接下来我们一起看看如何快速进行论文复现吧！

二、创建实例

首先打开极链AI云的官网，选择模型创建实例：

https://cloud.videojj.com/home

图片

图片

图片

由于平台已经配置了YOLOv3的模型库，所以能够一键创建实例

最低0.47元/天 解锁文章
极链AI云
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
目标检测 pytorch复现Fast-RCNN目标检测项目
05-17
目标检测 pytorch复现Fast_RCNN目标检测项目 利用coco2017数据集训练Fast-RCNN模型（训练过程详细步骤记录）： （1）检测数据集利用选择搜索算法（selective-search）生成一定数量的候选框， （2）将候选框与真实...
ACL 2021 | ConSERT：基于对比学习的句子语义表示迁移框架
Paper weekly
07-11 1926
©PaperWeekly 原创 ·作者|张琨学校|中国科学技术大学博士生研究方向|自然语言处理Motivation从 BERT，GPT 被提出来之后，自然语言处理领域相关研究...
PP-YOLOE介绍与复现
WhiffeYF的博客
06-09 1649
这是2022年第一个关于YOLO的改版，该版本由百度提出，称之为YOLOE，是目前各项指标sota的工业目检测器，性能sota且部署相对友好。该检测器的设计机制包括：该团队提供了s/m/l/x模型，YOLOE-l在COCO-Test中mAP达到51.1，在V100上可达71.1FPS，相对于YOLOX-l加速24.96%，mAP提高1.0，使用trt fp16进行推理可达149FPS. 论文地址： https://arxiv.org/pdf/2203.16250.pdf 代码已开源： https://git
ConSERT和SimCSE方法对比
zzfive的博客
08-20 1331
ConSERT和SimCSE方法对比
YOLOv7快速复现 【demo演示】YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object
WhiffeYF的博客
07-13 3239
YOLOv7 在 5 FPS 到 160 FPS 范围内，速度和精度都超过了所有已知的目标检测器，并在 GPU V100 上，30 FPS 的情况下达到实时目标检测器的最高精度 56.8% AP。YOLOv7 是在 MS COCO 数据集上从头开始训练的，不使用任何其他数据集或预训练权重。......
ConSERT: A Contrastive Framework for Self-Supervised Sentence Representation Transfer翻译
nopSled
10-22 1062
摘要 学习高质量句子表示有益于各种自然语言处理任务。虽然基于BERT的预训练语言模型在许多下游任务上实现了较高性能，但由于其所产生的句子表示被证明是崩塌的，因此在语义文本相似度（STS）任务上产生了较差的性能。在本文中，我们提出了ConSERT，a Contrastive Framework for Self-Supervised SEntence Representation Transfe，采用无监督和有效的方式来微调BERT以进行对比学习。通过利用未标注的文本，ConSERT解决了BERT计算句子表示
神经网络复现步骤
JYliangliang的博客
03-27 2305
一、神经网络 1、根据architecture图，记录通道数变化 引入import torch.nn as nn 创建通用卷积块方法 2、定义类，继承(nn.Module): de __init__中初始化每个卷积块或设定的结构块 注意：此处需要注意级联后图像通道数的变化 def forward(定义参数) 参数：如果是单通道输入，则可设定为x；如是双通道输入，则为两个图，设定为x_1，x_2 forward方法中，根据结构图，源图像依次传入卷积块或设定的结构块中 注意：此处需要注意级联
yolox复现并训练自有数据集
xihewen的博客
12-17 188
https://note.youdao.com/s/LHQ2V3Mh
YOLOv5-6.1小白式教你复现，实现自己的数据
weixin_61076411的博客
03-20 1801
├──.github:包含了USSUE_TEMPLATE和workflows，是存一些配置文件的，不太重要，可以不用管他├── data：主要是存放一些的配置文件（如.yaml文件）是用来配置训练集和测试集还有验证集的路径的，其中还包括目标检测的种类数和种类的名称）；还有一些官方提供测试的图片。如果是训练自己的数据集的话，那么就需要修改其中的yaml文件。但是自己的数据集不建议放在这个路径下面，而是建议把数据集放到yolov5项目的同级目录下面。
目标检测——Yolov3（复现方法说明）
luodaxia_ttt的博客
05-19 3545
最近
深度学习的代码实验结果复现问题
BoilingRabbit的博客
01-25 4812
在进行神经网络反复训练试验后发现，每次的训练结果都有微小的波动，根据查阅相关资料，总结了神经网络模型代码复现的主要注意的几点： 首先强调，自己用的试验平台是PyTorch 1.9 GPU版本，CUDA为10.2版本，显卡为GTX1050Ti。 1，首先要固定代码里的所有的随机状态，包括torch自身的，这方面可以参考博主的帖子： PyTorch的可重复性问题 （如何使实验结果可复现）_hyk_1996的博客-CSDN博客_pytorch复现 2，明确PyTorch的GPU版本与CPU版本的训练结果不
目标检测 pytorch复现Yolo v1目标检测项目
最新发布
05-17
目标检测 pytorch复现Yolo v1目标检测项目
pytorch复现Fast-RCNN目标检测项目
03-16
（1）检测数据集利用选择搜索算法（selective-search）生成一定数量的候选框， （2）将候选框与真实标注框进行IOU（交并比）计算，将真是标注框的作为正样本，将0.1的当做负样本 （3）设计网络骨干模型，利用VGG19，...
电力行业目标检测整套工程。yolox检测自爆绝缘子
04-20
本算法是根据旷视科技开源算法yolox复现的pytorch版本，内含各种对数据集处理，裁剪，数据增强的脚本，标注好的数据集，推理结果以及详细的使用说明，可轻松迁移到其他例如车牌人脸虫害识别，遥感、缺陷、自动驾驶等...
pytorch复现CenterNet目标检测项目
05-10
pytorch复现CenterNet目标检测项目
深度学习基础篇【1】从0开始搭建YOLOX模型用于训练个人数据集
m0_60673947的博客
05-13 721
深度学习基础篇【1】 从0开始搭建YOLOX模型 用于训练个人数据集 YOLOX模型于2021年由开发者Zheng Ge，Songtao Liu，Feng Wang，Zeming Li，Jian Sun在《YOLOX: Exceeding YOLO Series in 2021》首次提出。 YOLOX对YOLO系列的进行一些改进，形成了一种新的高性能探测器。配备了一些新的先进检测技术，即解耦头、无锚点和先进的标签分配策略，YOLOX在速度和精度之间实现了更好的平衡，比所有型号尺寸的其他同类产品都好。值
[ 图像分类 ] 经典网络模型4——ResNet 详解与复现
A_John 的博客
04-12 8289
[ 图像分类 ] 经典网络模型4——ResNet 详解与复现 1、Residual Network 2、残差网络 3、Residual Block 4、ResNet50 详解 5、ResNet50 复现 6、ResNet50 结构框图 Residual Network 简称 ResNet (残差网络)，何凯明团队于2015年提出的一种网络； 在 ImageNet 比赛 classification 任务上获得第一名； 目前在检测，分割，识别等领域里得到了广泛的应用；...
ResNet网络复现
qq_38109282的博客
04-20 2522
ResNet 本篇实现的是基于2015年何凯明推出的ResNet，2016年的改进后续试着实现，比较下效果。 学习流程 阅读ResNet论文原文 搜集学习资源：视频讲解-博客资源 熟悉ResNet网络结构 代码复现，清楚网络结构中层与层之间的操作 ResNet论文 原论文：2015-Deep Residual Learning for Image Recognition 2016-Identity Mappings in Deep Residual Networks 论文翻译：ResNet论文翻译——中
ResNet模型详解及代码复现
mcu旺仔acm的博客
07-10 2947
ResNet残差网络主要是通过残差块组成的，在提出残差网络之前，网络结构无法很深，在VGG中，卷积网络达到了19层，在GoogLeNet中，网络达到了22层。随着网络层数的增加，网络发生了退化（degradation）的现象：随着网络层数的增多，训练集loss逐渐下降，然后趋于饱和，当你再增加网络深度的话，训练集loss反而会增大。而引入残差块后，网络可以达到很深，网络的效果也随之变好...
使用PyTorch复现SSD目标检测
05-13
好的，下面是使用PyTorch复现SSD目标检测的步骤： 1. 数据集准备 首先，需要从公共数据集中选择一个用于训练和测试的数据集。例如，可以使用Pascal VOC数据集或COCO数据集。然后，需要将数据集分成训练集和测试集...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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