YOLOX系列一
代码下载以及win10部署
任务
1、下载源码
2、安装环境
3、运行demo
一、代码地址以及参考论文
论文:YOLOX: Exceeding YOLO Series in 2021
代码:Megvii-BaseDetection/YOLOX
二、环境搭建
1.安装依赖包
直接按照requments.txt中需要的依赖包进行安装。
numpy
torch>=1.7
opencv_python
loguru : pip install loguru -i https://pypi.tuna.tsinghua.edu.cn/simple
scikit-img : pip install pip install scikit-image
tqdm
torchvision
Pillow
ninja
tabulate
tensorboard
测试demo还需要安装pycocotools:下载地址
2.下载权重以及修改文件目录
环境搭建完成后,进行demo运行。
我使用的测试用例是yolox_x模型。
首先下载yolox_x模型权重,在模型git源码表格中,保存在weights文件夹下。
为了便于运行,将yolox文件夹复制到tools文件夹下,与demo.py处于同级。
目录结构如图:
三、运行demo.py
运行(yolox_x模型为例):
命令行运行方式: python tools/demo.py image -f exps/default/yolox_x.py -c weights/yolox_x.pth --path assets/dog.jpg --conf 0.25 --nms 0.45 --tsize 640 --save_result --device gpu
运行结果默认保存在YOLO_outputs文件夹下。每种模型的输出保存在对应模型名称文件夹下。
至此,命令行方式demo运行结束。
demo.py也可以通过pycharm直接运行,不过需要修改配置参数,在下节代码分析时进行演示。
总结
代码跑通了,撒花✿✿ヽ(°▽°)ノ✿
若发现文章有误,欢迎指出。
有用的话点个赞吧,万分感谢!