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: