YOLOX学习记录

最新推荐文章于 2024-04-13 09:23:17 发布
最新推荐文章于 2024-04-13 09:23:17 发布
阅读量370 收藏 1
点赞数
分类专栏： 网络模型
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/weixin_51015047/article/details/119716865
版权

anchor free和anchor based

anchor free 不做预设框，直接自己回归出框
anchor based 提前定义好框的大小，用这个去扫描找出目标框

yolox 学习笔记

  • yolox只使用anchor free，不像之前目标检测那样使用anchor based或者两者一起结合之类。
  • anchor free借鉴的是FCOS。 FCOS的思想就是将每个点看作为训练样本。对于特征图上的点（x,y）直接映射到原图上面，然后进行回归，回归出目标框。【根据（x,y）是不是落在GT上，而且类别跟GT是不是一致来判断正负样本】
  • 但是FCOS因为是直接根据点落在任意一个真实框和GT类别来判断正负样本，那么这样就很容易有一个问题：一个物体落在两个或者多个GT框里面，那么就会被认为是模糊样本。
  • 我们之前解决模糊样本一般都是用多级预测（FPN算法之类）来解决，不同level检测不同尺寸的目标
  • 但是在yolox里面，作者用的是simota，他属于ota的一个升级版，在他自家OTA基础上做优化，省掉Sinkhorn-Knopp迭代求解过程，减小了训练时间
  • 在看OTA 论文里面，我们可以了解到ota对于这种模糊样本问题，采用的最优运输方式对网络的提升非常大
  • 传送链接OTA
seven_不是赛文
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
【YOLOX】核心基础完整讲解
mjiansun的专栏
09-13 6246
这两个数据增强会被关闭掉。而在此之前，Mosaic和Mixup数据增强，都是打开的，这个细节需要注意。（2）由于采取了更强的数据增强方式，作者在研究中发现，
YOLOX 文档
梦想是要有的，万一实现了呢！
09-06 774
## 环境配置 ### 第一步 安装YoloX 当前教程环境为 cuda11 torch1.7.1 python3.8 git clone git@github.com:Megvii-BaseDetection/YOLOX.git cd YOLOX pip3 install -U pip && pip3 install -r requirements.txt pip3 install -v -e . # or python3 setup.py ...
关于yolov3和fcos中inference差异
m0_38043555的博客
06-26 520
关于yolov3和fcos中inference差异： yolov3和fcos的结构其实比较像，前者有类别+置信度，后者有类别+中心度，而且训练时对于类别都是使用了多个bce，对于objness则另外约束，除了Yolov3有3个anchor之外好像区别不大。 但在Inference的时候，根据阅读的源码，yolov3是先对每个anchor取出分数最高的那类，然后与Obj相乘，得到一个综合的分数，再根据这个进行nms，但是，fcos则是保留每个point的所有类别分数，在每一层上把所有的point的所有类别分数
SSD、Retinanet、RefineDet、CornerNet、ExtremeNet、CenterNet、FSAF、FCOS、FoveaBox相对于yolo的区别
weixin_43702653的博客
07-19 1698
SSD、Retinanet、RefineDet、CornerNet、ExtremeNet、CenterNet、FSAF、FCOS、FoveaBox相对于yolo的区别
【深度学习进阶】02目标检测理论：一阶段方法YOLO v1-v3、SSD、RetinaNet、FCOS网络对比分析
ShiTianlei的博客
10-05 2835
目标检测任务中SSD、RetinaNet、YOLO v1算法的简要介绍
YOLOX权重文件.zip
01-12
3. **Self-paced Learning with Warm-up（预热的自我学习速率策略）**：在训练初期，YOLOX采用较小的学习率，随着训练的进行逐渐增加，这有助于模型更好地收敛并避免过拟合。 4. **Cosine Annealing LR with Warm ...
YOLOX Win10 安装包
08-16
1. **PyTorch框架**：YOLOX是基于PyTorch深度学习框架构建的，因此在安装前需要确保你的系统已经安装了最新版本的PyTorch。你可以通过官方文档或者Anaconda环境来安装。 2. **Cython**：YOLOX的实现中用到了Cython...
yolox_s.pth
11-17
yolox 模型训练的预训练模型 yolox_s
YOLOX-demo.zip
11-17
YOLOX（You Only Look Once, eXtreme）是一种基于YOLO系列的深度学习目标检测框架，由南京大学和商汤科技联合研发。该框架旨在提供一个高效、灵活且可扩展的目标检测解决方案，适用于各种应用场景，包括自动驾驶、...
深度学习环境配置及yolox-demo运行过程 ppt版
06-13
本教程将详细介绍如何配置一个适用于运行Yolox示例的深度学习环境。 首先，我们需要安装Anaconda，这是一个强大的Python环境管理器。你可以通过访问官方网站（https://www.anaconda.com/download#downloads）下载...
YOLOv1——YOLOX系列及FCOS目标检测算法详解
qq_56591814的博客
07-23 4784
详细介绍了YOLOv1、YOLOv2、YOLOv3、YOLOv3 SPP 及源码分析、YOLOv4、YOLOv5及demo、FCOS、YOLOvX系列目标检测算法。还有一个推荐的github项目《深度学习在图像处理中的应用教程》
YOLOv2，v3，v4，v5，FCOS,YOLOX总结（anchor base/anchor free）
最新发布
kay_545
04-13 843
网络预测目标框——>目标边界框回归yolov5的目标框宽和高回归采用这个公式了，是因为之前的指数公式可能会出现指数爆炸现象，导致loss为NAN或者训练不稳定的情况，新公式的值域为0-4，也说明了anchor_t的最大值为4为了增加正样本的数量，yolov5还采用了一种新的机制这样让gt的中心点落在哪个cell，会选择离中心点最近的两个框让正样本的数量变为原来的3倍下面这个解释是我能想到的可能合理的解释吧，但不知道是否正确Ref.
【精华】YOLO fastest/YOLOX/YOLO fastestv2/Nanodet/Nanodet Plus模型对比
LeeZhao的博客
02-21 5985
本博客对目前主流的移动端深度模型YOLO fastest、YOLOX、YOLO fastestv2、NanoDet、NanoDet Plus进行模型分析及性能对比，如有描述有误的地方请批评指正！
yolox
AWhiteDongDong的博客
08-23 443
yolox正负样本匹配
YOLOX理论
Le0v1n 的博客
11-08 1292
YOLOX理论讲解
目标检测: 一文读懂 YOLOX
weixin_46142822的博客
04-10 2万+
论文：YOLOX: Exceeding YOLO Series in 2021 论文链接：https://arxiv.org/pdf/2107.08430.pdf 代码链接：https://github.com/Megvii-BaseDetection/YOLOX. 文章目录1 为什么提出YOLOX2 YOLOX 网络架构3 YOLOX 实施细节3.1 backbone3.2 neck3.3 Head3.3.1 Decoupled Head3.3.2 Anchor-free3.4 如何计算Loss3.5 如
YOLOX网络结构详解
热门推荐
霹雳吧啦Wz
06-07 4万+
在之前文章中我们已经聊过YOLO v5了，今天我们再来聊聊YOLOX。YOLOX是旷视科技在2021年发表的一篇文章，当时主要对标的网络就是很火的YOLO v5，如果对YOLO v5不了解的可以看下我之前的文章。那么在YOLOX中引入了当年的哪些黑科技呢，简单总结主要有三点，decoupled head、anchor-free以及advanced label assigning strategy(SimOTA)。............
生成Yolox检测负样本-对应空文件夹txt、批量文件重命名、批量转化三通道去除小图
橙子Blue不加冰
03-25 843
1.生成Yolox检测负样本-对应空文件夹txt import os.path import cv2 from tqdm import tqdm path = r"G:\pachong\fuyangben_img" #负样本图片文件夹 save_path=r"G:\pachong\fuyangben_txt" #生成空的txt文件夹 files = os.listdir(path) print(files) for pic in tqdm(files): # # basename = os.pa
YOLO-----关于正负样本、Loss、IOU、怎样去平衡正负样本的问题？
Cai_Xu_Kun的博客
04-15 1万+
关于正负样本、Loss、IOU、怎样去平衡正负样本的问题 1、关于正负样本2、Loss计算3、IOU、GIOU、DIOU、CIOU4、怎样去平衡正负样本的问题？ 先整理一下anchor的概念 常用的anchor定义 ----Faster R-CNN 定义三组纵横比ratio = [0.5,1,2]和三种尺度scale = [8,16,32]，可以组合处9种不同的形状和大小的边框。 ----YOLO则不是使用预设的纵横比和尺度的组合，而是使用k-means聚类的方法，从训练集中学习得到不同的Anchor yo
怎么调整yolox的学习率
05-14
在 YOLOX 中，可以通过修改训练配置文件中的参数来调整学习率。具体来说，可以通过设置 `lr` 参数来设置初始学习率，通过设置 `lr_scheduler` 参数来设置学习率衰减策略。 例如，在 YOLOX 中使用 SGD 优化器训练...
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