旷视的研究者将解耦头、数据增强、无锚点以及标签分类等目标检测领域的优秀进展与 YOLO 进行了巧妙地集成组合,提出了 YOLOX,不仅实现了超越 YOLOv3、YOLOv4 和 YOLOv5 的 AP,而且取得了极具竞争力的推理速度。
- 论文地址:https://arxiv.org/abs/2107.08430
- 项目地址:https://github.com/Megvii-BaseDetection/YOLOX
安装环境
按照作者给出的步骤就行。
自定义数据集
1. 准好数据集,我用的是voc数据集,具体如图

2.修改相关文件,这里有几个坑:
1)在yolox/data/datasets/voc_classes.py修改自己数据集

研究人员将YOLOX的设计融合头、数据增强等先进技术,实现AP提升和高效推理,挑战YOLOv3-V5的地位。
最低0.47元/天 解锁文章
911

被折叠的 条评论
为什么被折叠?



