在自定义数据集上训练YOLOX

随着下一款模型：YOLOX的推出，YOLO系列将继续发展壮大。在这篇文章中，我们将介绍如何训练YOLOX识别自定义用例的对象检测数据。

在本教程中，我们使用公共血细胞对象检测数据集。但是，你可以将自己的数据导入Roboflow并将其导出，以训练此模型以满足你自己的需要。本教程使用的YOLOX笔记本可在此处下载。

https://colab.research.google.com/drive/1_xkARB35307P0-BTnqMy0flmYrfoYi5T#scrollTo=igwruhYxE_a7

感谢Megvii团队发布了基础库，这为我们的笔记本奠定了基础。

在本教程中，我们采取以下步骤：

• 安装YOLOX依赖项

• 通过Roboflow下载自定义YOLOX对象检测数据

• 下载YOLOX的预训练权重

• 运行训练

• 评估YOLOX性能

• 在测试图像上运行YOLOX推断

• 导出保存的YOLOX权重以供推断

YouTube视频：

https://youtu.be/q3RbFbaQQGw

YOLOX有什么新功能？

YOLOX是YOLO的最新版本，在速度和准确性方面突破了极限。YOLOX最近赢得了流媒体感知挑战赛（CVPR 2021自动驾驶研讨会）。

相对于其他YOLO检测网络的YOLOX评估：

最大的变化包括移除盒锚（提高模型到边缘设备的可移植性）和将YOLO检测头解耦到单独的特征通道中，用于盒分类和盒回归（提高训练收敛时间和模型精度）。

YOLOX中的解耦头：