Anchor free系列网络YOLOX源码逐行讲解篇三(共十篇,保证逐行讲解,看完就可以自己随便改动网络,而不仅仅做一个调参者,如果不会请制裁我)

整个系列包括:Demo源码逐行讲解->train脚本源码逐行讲解->backbone源码逐行讲解->FPN源码逐行讲解->Head源码逐行讲解->loss计算源码逐行讲解->数据加载源码逐行讲解->数据增强源码逐行讲解->simOTA源码逐行讲解。保证逐行,注意是逐行,包括python语法,tensor维度和逐行代码的作用及应用。其实网络结构本没有任何神秘的地方,都是一些模块堆叠起来的,你完全可以没有任何理由的修改任何一个模块。看完这个系列后自己完全可以随便的去对任何网络结构做手脚,而不仅仅局限于一个调参者。

本篇讲的是YOLOX中解耦Head的搭建,在这之前一定先要看前面几篇博文,否则本篇会有很多内容看不明白。


Anchor free系列网络YOLOX源码逐行讲解篇三(共十篇,保证逐行讲解,看完就可以自己随便改动网络,而不仅仅做一个调参者,如果不会请制裁我)_第1张图片

上图是YOLOX整个解耦头的网络结构图。黄色字体为代码中的中间变量,方便理解。维度则是当采用yolox_s网络时整个网络的输出特征维度,并默认检测类别有8个。首先要明白什么是解耦头:解耦头就是将分类和检测任务分开单独进行。分类任务和回归任务在原理上是完全不一样的,将其分开进行预测,对结果的准确度是有提高的,实时证明也确实是这样

你可能感兴趣的:(视觉检测图像分割干货,YOLOX,Anchor,free,Head实现)