YOLOX

YOLOX源码之demo.py逐行讲解

demo.py就是一个推理的脚本，告诉我们如何从头到尾的推理图像。首先进入make_parser()方法，就是熟悉一下参数解析器：defmake_parser():parser=argparse.ArgumentParser("YOLOXDemo!")"""argparse.ArgumentParser是创建一个参数解析器，用以解析命令行的参数""""""parser.add_argument是往
@会飞的毛毛虫·2022-02-19 07:07

Anchor free系列网络之YOLOX源码逐行讲解篇(八)--simOTA标签匹配策略详解(专栏试读)

整个YOLOX源码的学习一定要按照以下顺序才能整体串起来：Backbone->FPN->Head->->数据读入源码->数据增强源码->loss计算源码->simOTA源码->demo.py脚本->train.py
@会飞的毛毛虫·2022-02-19 07:51

YOLOX 阅读笔记

文章大部分内容主要来自以下博客：睿智的目标检测53——Pytorch搭建YoloX目标检测平台YOLOX深度解析文章目录YOLOX创新点网络架构BackboneNeckHeadStrongdataaugmentationAnchor-freeMultipositives
zxm_·2022-02-16 09:09

YOLOX讲解

目录1、基准模型baseline2、Yolox-Darknet532.1输入端2.1.1strongaugmentationMosaic增强Mixup增强2.2backbone2.3Neck2.4Head
weixin_43981952·2022-02-16 09:39

【论文阅读】YOLO-X:Exceeding YOLO Series in 2021

题目：YOLOX:ExceedingYOLOSeriesin2021作者：ZhengGeSongtaoLiuFengWangZemingLiJianSunmotivation:作者想把yolo检测器改为
一碗白开水一·2022-02-16 09:38

YoloX框架：高效更精确的目标检测框架（附源代码）

点击上方蓝字关注我们计算机视觉研究院专栏作者：Edison_GYOLOX在YOLO系列的基础上做了许多有意思的工作，其主要贡献在于：在YOLOV3的基础上，引入了“DecoupledHead”，“DataAugmentation”，“AnchorFree”和“SimOTA样本匹配”的方法，构建了一种anchor-free的端到端目标检测框架，并且达到了顶级的检测水平。公众号ID｜ComputerV
计算机视觉研究院·2022-02-16 09:38

YOLOX: Exceeding YOLO Series in 2021

YOLOX:ExceedingYOLOSeriesin2021文章目录YOLOX:ExceedingYOLOSeriesin2021参考综述结构BaselineDecoupledheadStrongdataaugmentationAnchor-freeMultipositivesSimOTA
椰子奶糖·2022-02-16 09:08

yolox Head-Decoupled head源码解读

目录前言yolox网络结构yoloxhead网络结构head组件及对应源码解码前言yoloxbackbone部分介绍yoloxneck部分介绍yolox:https://github.com/Megvii-BaseDetection
Mr.Q·2022-02-16 09:07

Anchor free系列网络之YOLOX源码逐行讲解篇(七)--Head中Obj_loss、Cls_loss及Reg_loss的计算及反传一

整个YOLOX源码的学习一定要按照以下顺序才能整体串起来：Backbone->FPN->Head->->数据读入源码->数据增强源码->loss计算源码->simOTA源码->demo.py脚本->train.py
@会飞的毛毛虫·2022-02-16 09:37

从零开始实现yolox一：数据集类

数据集类1数据集及其划分（1）数据集文件组织结构（2）数据集的划分（3）从xml文件中提取目标信息（边框和分类）2数据集类（1）`__init__`与`__len__`函数（2）`__getitem__`函数（3）dataset测试脚本3collate_fn及测试脚本本系列参考了博主Bubbliiiing的博客与代码，链接为：https://blog.csdn.net/weixin_4479196
weixin_44457930·2022-02-15 09:17

YOLOX源码解析--全网最详细，建议收藏！

YOLOX源码解析大家好，我是【豆干花生】，这次我带来了YOLOX源码解析，与你分享~参考文献：https://blog.csdn.net/u011622208/article/details/119146813https
豆干花生·2022-02-15 07:15

yolo全家桶；yolo系列专题讲解,通俗易懂的yolo v1, v2 ,v3 ,v4 ,v5 , yolox

免责声明:1\此方法仅提供参考2\搬了其他博主的操作方法,以贴上路径.3*场景一:yolov1场景二:yolov2场景三:yolov3场景四:yolov4场景五:yolov5场景六:pp-Yolo场景七:Yolox
weeksooo·2022-02-15 07:10

Anchor free系列网络之YOLOX源码逐行讲解篇(六)--Mixup数据增强

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
@会飞的毛毛虫·2022-02-15 07:37

旷视YOLOX论文思想理解

DecoupledHead三、数据增强：Mosaic和Mix-up四、Anchor-free五、Multipositives六、OTA(OptimalTransportAssignment)七、代码测试八、参考文献引语YOLOX
Geek L·2022-02-15 07:32

Anchor free系列网络之YOLOX源码逐行讲解篇(五)--mosaic数据增强及数学理解

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
@会飞的毛毛虫·2022-02-15 07:26

YOLOX论文翻译

YOLOX论文翻译论文题目：《YOLOX：2021超越YOLO系列》摘要1引言2YOLOX2.1YOLOX-DarkNet532.2其他骨干网3与SOTA比较4流媒体感知挑战（WADatCVPR2021
寻觅Z·2022-02-14 07:30

Anchor free系列网络YOLOX源码逐行讲解篇四(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
@会飞的毛毛虫·2022-02-14 07:19

Anchor free系列网络YOLOX源码逐行讲解篇一(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
@会飞的毛毛虫·2022-02-14 07:19

Win10下搭建旷视提出的YOLOX(新一代anchor-free目标检测网络)并训练自定义CoCo格式数据集

注意：原始的YOLOX只支持乌班图系统，因此以下所有操作均需要依赖博主自己的安装包。
@会飞的毛毛虫·2022-02-14 07:18

Win10下的mmdetection2.17目标检测环境配置

今年九月份商汤官方将mmdetection框架版本更新到2.17，增加了多种FPN结构和如YOLOX等SOTA模型，目前在其他平台没有发现配置这个框架的教程，这里我就从零开始记录一下我的心得。
@会飞的毛毛虫·2022-02-14 07:48

目标检测文章大全 - 2021面试准备

YOLOV45、YOLOV56、RetinaNet三、AnchorFree1、YOLOV12、CornerNet3、CenterNet4、ATSS--anchorfree与anchorbase区别5、FCOS6、YOLOX
是不是云·2022-02-14 07:11

Anchor free系列网络YOLOX源码逐行讲解篇二(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
@会飞的毛毛虫·2022-02-14 07:28

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
@会飞的毛毛虫·2022-02-14 07:28

睿智的目标检测53——Pytorch搭建YoloX目标检测平台

importtorchfromtorchimportnnclassSiLU(nn.Module):@staticmethoddefforward(x):returnx*torch.sigmoid(x)defget_activation(name="silu",inplace=True):ifname=="silu":module=SiLU()elifname=="relu":module=nn.R
·2022-01-19 18:46

量化感知训练实践：实现精度无损的模型压缩和推理加速

简介：本文以近期流行的YOLOX[8]目标检测模型为例，介绍量化感知训练的原理流程，讨论如何实现精度无损的实践经验，并展示了量化后的模型能够做到精度不低于原始浮点模型，模型压缩4X、推理加速最高2.3X
·2021-12-24 15:02

YOLOX:Exceeding YOLO Series in 2021

结果对于YOLO-Nano，所提方法仅需0.91M参数+1.08GFLOPs取得了25.3%AP指标，以1.8%超越了NanoDet。方法网络设计YOLOv3+DarkNet53+SPP+DecoupledHead（解耦分类与回归任务）+IoU-aware分支（预测IoU置信度）DecoupledHead两个任务的梯度值和方向不一致；分类置信度和定位置信度也不匹配，因而需要解耦检测头和分类头。损失
_忙中偷闲_·2021-12-09 11:32

YOLOX推理系列4-使用YOLOX训练自己的数据集

使用YOLOX训练自己的数据集前言一、安装Anaconda二、安装YOLOX1.笔者掉入的坑2.开始安装3.测试YOLOX三、训练COCO128四、训练自己的数据集前言前面的文章，笔者在系统环境下使用OpenCV
yinqinggong·2021-12-08 10:35

【环境配置】YOLOX-华为Ascend-Pytorch模型离线推理【项目复盘】

文章目录推理流程导出ONNX文件转换om模型测试集预处理前处理脚本生成预处理数据，得到对应的info文件离线推理精度统计后处理脚本性能对比npugpu前言本文基于下面的参考AscendPyTorch模型离线推理指导推理流程导出ONNX文件这一步参考官方教程转换om模型激活环境sourceenv.shenv.sh内容见下#exportinstall_path=/usr/local/Ascend/as
是王同学呀·2021-12-07 10:58

YOLOX推理系列3-支持NVIDIA-GPU的OpenCV编译

文章目录系统环境一、配置环境二、下载OpenCV包三、编译OpenCV1，构建CMake2，遇到的问题3，安装并配置坏境4，验证四、测试代码系统环境系统环境如下，如果没有安装驱动或者CUDA，可以参考本系列文章1和2。1，Ubuntu18.042，GeForceRTX30803，DriverVersion495.444，CUDA11.55，cuDNN8.3.0一、配置环境安装可能需要的包sudoa
yinqinggong·2021-12-03 15:17

YOLOX推理系列2-Ubuntu18.04下安装CUDA和cuDNN

文章目录前言一、安装CUDA1.查看显卡驱动支持的CUDA版本2.官网下载3.安装过程4.设置环境变量5.验证CUDA二、安装cuDNN1.下载cuDNN包2.安装cuDNN3.查看cuDNN版本总结前言深度学习系列文章之安装CUDA和cuDNN。一、安装CUDA首先明确的一点是，我们安装的CUDA版本必须与使用的软件版本相匹配。比如，使用pytorch训练模型，在安装好pytorch后，需要查看
yinqinggong·2021-12-02 16:17

YOLOX推理系列1-Ubuntu18.04安装显卡驱动

文章目录一、查看显卡型号二、安装显卡驱动1.查看适合本机的显卡驱动版本2.安装推荐版本三、禁用nouveau1.查看nouveau信息2.禁用nouveau四、Nouveau是什么一、查看显卡型号如果自己不知道或者不确定自己显卡型号lspci|grep-ivga会得到一个数字代码，我的返回2206打开ThePCIIDRepository，输入2206我的显卡型号是GeForceRTX3080查看显
yinqinggong·2021-12-02 12:19

YOLOX原始论文精读

由于最近需要对YOLOX的理论部分进行深入的理解，因此我需要查看YOLOX的相关论文，但YOLOX是最近新出的目标检测算法，但我发现我无法查看YOLOX相关的见刊论文，因此我只能好好深入理解它的原始论文
钟良堂的学习笔记·2021-11-20 01:03

YOLOX训练自己的数据集（包含自己数据集，预训练模型，代码公开），踩扁很多细节坑全部补充

首先看下作者给的性能对比图YOLOX是旷视开源的高性能检测器。
中科哥哥·2021-11-17 17:47

睿智的目标检测54——Tensorflow2 搭建YoloX目标检测平台

睿智的目标检测54——Tensorflow2搭建YoloX目标检测平台学习前言源码下载YoloX改进的部分（不完全）YoloX实现思路一、整体结构解析二、网络结构解析1、主干网络CSPDarknet介绍
Bubbliiiing·2021-11-13 21:42

object detection basic Q&A - 草稿

----*YoloX-------------------------------------yolox解读YOLOX-L:COCO上AP：50.0%－比Yolov5-L高出1.8%的AP,TeslaV10068.9FPSYOLOX-Tiny
江江江江枫渔火·2021-11-08 11:23

object detection basic Q&A

----*YoloX-------------------------------------yolox解读YOLOX-L:COCO上AP：50.0%－比Yolov5-L高出1.8%的AP,TeslaV10068.9FPSYOLOX-Tiny
江江江江枫渔火·2021-11-07 11:09

yolox_nano训练和NCNN安卓部署总结（自己的数据集）

yolox_nano模型的参数量极小，并且有着一定的准确度而被使用到手机端的yolox部署：yolox_nano训练命令：pythontools/train.py-fexps/example/yolox_voc
钟良堂的学习笔记·2021-10-29 12:08

yolox_nano.pth转换yolox_nano.onnx文件报错：Missing key(s) & Unexpected key(s) in state_dict...（自己的数据集训练的模型）

最近我自己的电脑上面尝试训练yolox_s和yolox_nano模型，使用的都是我自己的数据集，只有1类，以下博客就是我自己环境配置、训练还有遇到的问题的过程，这些我都写在了一个博客上面：https:/
钟良堂的学习笔记·2021-10-27 13:29

PyTorch模型推理及多任务通用范式 课程5 作业

根据pytorch模型推理的三板斧：数据预处理、数据进网络、数据后处理，逐行实现了Yolox的推理代码。
·2021-10-25 13:07

yolox_nano如何训练，我的报错信息：exps/example/yolox_voc/yolox_voc_nano.py doesn‘t contains class named ‘Exp‘

问题已解决，请查看以下文章：https://blog.csdn.net/ELSA001/article/details/120918082?spm=1001.2014.3001.5501我之前的环境配置和问题是这样的：https://blog.csdn.net/ELSA001/article/details/120918082?spm=1001.2014.3001.5502我在exps/examp
钟良堂的学习笔记·2021-10-23 20:18

睿智的目标检测53——Pytorch搭建YoloX目标检测平台

睿智的目标检测53——Pytorch搭建YoloX目标检测平台学习前言源码下载YoloX改进的部分（不完全）YoloX实现思路一、整体结构解析二、网络结构解析1、主干网络CSPDarknet介绍2、构建
Bubbliiiing·2021-09-26 14:47

SimOTA的简单理解

SimOTA出现在yolox中，首先会计算一个cost代价矩阵，代表每个真实框和每个特征点之间的代价关系，Cost代价矩阵由三个部分组成：（1）每个真实框和当前
Cverrrr·2021-09-18 18:24

睿智的目标检测52——Keras搭建YoloX目标检测平台

睿智的目标检测52——Keras搭建YoloX目标检测平台学习前言源码下载YoloX改进的部分（不完全）YoloX实现思路一、整体结构解析二、网络结构解析1、主干网络CSPDarknet介绍2、构建FPN
Bubbliiiing·2021-09-17 15:55

YOLOX作者刘松涛博士：高性能目标检测的最新实践

为了解决此类问题，旷视科技研究院BaseDetection组结合学术界先进成果和工程实践的要求，提出了YOLOX。本期，来自旷
Amusi（CVer）·2021-09-09 11:46

YoloX_s网络模型

YoloX_s输出的网络结构如下：YOLOX((backbone):YOLOPAFPN((backbone):CSPDarknet((stem):Focus((conv):BaseConv((conv)
Joejwu·2021-09-08 16:02

YoloX的demo测试、训练、评估记录

然后克隆下来yolox的官方仓库，如下：[email protected]:Megvii-BaseDetection/YOLOX.git如果无法直接clone，也不用慌，直接下载就行了，和克隆下来一样
Joejwu·2021-09-08 15:24

【学习记录】在Ubuntu部署Yolox踩坑

1.我的系统环境是Ubuntu18.04，python3.7，cuda10.22.为了让我服务器上安装的东西不产生版本冲突，我们使用conda创建一个yolox的环境变量来专门安装yolox需要的依赖。
随风而逝*·2021-09-05 21:39

YOLOX: 让YOLO重回Anchor-Free, 成为最强YOLO

论文地址:https://arxiv.org/abs/2107.084301.动机yolo系列一直以来都是目标检测领域最火的方法.从yolo2开始,yolo系列就一直是Anchor-based的检测器,而近年来Anchor-free类的方法发展迅猛,已经可以达到甚至超越Anchor-based的方法了.但是yolo4和yolo5依然沿用了Anchor-based架构.于是,作者将Anchor-fr
叶舟·2021-08-22 11:08

Yolox 训练自己的数据集

Win10环境下Yolox训练自己的数据集目录1、文章链接和源码2、数据准备（VOC格式）3、配置文件修改4、训练5、使用自己的模型完成检测任务检测结果目录Yolo系列因为其灵活性，一直是目标检测热门算法
萌萌萌虎·2021-08-20 19:09

YOLOX——Win10下训练自定义VOC数据集

前言上个博客试着把yolox在win下的环境配置，然后就要试着训练自己的数据集，我这里用的是VOC格式的数据集，训练环境是win10x64,CUDA11.0cudnn8.1GPU是GTX3080,Anaconda3.7
知来者逆·2021-08-19 12:35
上一页 6 7 8 9 10 11 12 13 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他