PyTorch目标检测实战＜03＞：最新YOLOX算法背后的主要思想

在本文中，将回顾 YOLO 系列的新型高性能探测器 YOLOX，并进行了一些改进。

1_YOLO是什么？

首先，先简单说明一下YOLO算法的基本逻辑。You only look once (YOLO) 是一个实时对象检测系统。YOLO 算法与其他物体检测算法的主要区别在于它的速度可以实时检测物体，并且可以做出准确的预测。

计算机视觉中的目标检测算法基本上可以分为基于分类的算法和基于回归的算法。基于分类搜索感兴趣区域的算法，这些区域在图像上找到对象的概率很高，然后用 CNN 对这些区域进行分类。 由于需要两种不同的操作，它们通常运行缓慢。基于区域的卷积神经网络（RCNN）是最著名的基于分类的算法，即便尝试了加速 Fast-RCNN、Faster-RCNN 和 R-CNN，YOLO 算法仍然工作得更快。
基于回归的算法，不是像其他人一样在图像上搜索感兴趣的区域，而是一次将整个图像通过神经网络，从而允许在测试时查看整个图像。它们一次检测对象和边界框的类别。该组中最著名的两个示例是 YOLO（您只看一次）系列算法和 SSD（单次多盒检测器）。这些算法通常用于实时对象检测