YOLOX训练（实现）（COCO：coco数据集）最新最全教程

最新推荐文章于 2025-10-25 14:32:44 发布
原创 最新推荐文章于 2025-10-25 14:32:44 发布 · 5.4k 阅读 · 31 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#pytorch #深度学习 #YOLOX

本文详细介绍了如何在Linux环境下搭建YOLOX的代码环境，包括创建Conda环境、安装依赖库和预训练模型的测试。首先，通过git clone获取YOLOX代码，然后在Conda环境中安装所需库。接着，下载预训练模型Yolox_s.pth，并使用demo.py进行图片检测。此外，还讲解了YOLOX在COCO数据集上的训练步骤，包括修改数据集路径、启动训练等。

YOLOX实现

1、YOLOX代码环境搭建：

1.1 下载YoloX代码并安装YOLOX

YOLOX的github链接

在这里插入图片描述

复制红框的链接

在linux系统中clone复制的链接：git clone https://github.com/Megvii-BaseDetection/YOLOX.git

（1）新建一个Canda环境

输入命令：conda create -n Yolox python=3.7

（2）进入Conda环境

输入命令：conda activate Yolox，进入Conda环境中，并到下载好的YOLOX文件夹下（cd /_/YOLOX）

（3）安装代码依赖的库文件

输入命令：pip3 install -U pip && pip3 install -r requirements.txt

（4）通过setup.py安装一些库文件

输入命令：python3 setup.py develop

（5）下载pycocotools

输入命令：pip3 install cython

再输入命令：
pip3 install 'git+https://github.com/cocodataset/cocoapi.git#subdirectory=PythonAPI'

2、Demo测试

搭建好环境后，

最低0.47元/天 解锁文章
YOLOX训练自己的数据集（COCO格式）
G果的博客
04-06 3585
yolox+coco
目标检测实战＜05＞：最新YOLOX模型训练COCO数据集
源代码杀手的博客
08-15 1958
零、yolox算法思想介绍 原文链接：目标检测实战＜03＞：最新YOLOX算法背后的主要思想 一、COCO数据集准备 参考链接：https://blog.youkuaiyun.com/qq_41185868/article/details/82939959 本文训练数据集使用的是coco2014，使用方法同2017版本。 COCO数据集的80个类别—YoloV3算法采用的数据集 person(人) bicycle(自行车) car(汽车) motorbike(摩托车) aeroplane(飞机) bus(公
【YOLO】YOLOX训练COCO数据集
MangoloD的博客
08-17 9729
有小伙伴是训练coco数据集时，AP为0，实际上，我并没有遇到这个问题，我这里测试了下，是可以正常运行的，但有小伙伴问了，我这里就总结一下如何训练Coco数据集吧．．． 步骤如下 首先呢，保证Coco数据集格式正确Animals_Coco ├─annotations ├─train2017 └─val2017 在annotations 文件夹下包含两个重要的文件instances_train2017.json，instances_val2017.json 在train2017和val
COCO 数据集 123,272 张图片：目标检测与图像识别技术内核
最新发布
asdgfggf的博客
10-25 331
COCO（Common Objects in Context）数据集是计算机视觉领域广泛使用的基准数据集，包含123,287张图像（注：实际为123,287张，非123,272张），涵盖80个常见对象类别。其核心应用包括目标检测、图像分割、关键点检测等。标注多样性：提供边界框、实例分割掩码、关键点、图像标题等多模态标注。场景复杂性：图像包含自然场景下的多目标交互与复杂背景。
yolox 训练自己的数据集 （COCO格式）
zxxRobot的博客
10-22 1万+
准备工作 1. 准备自己的数据集 Animals_Coco ├─annotations ├─train2017 └─val2017 在annotations 文件夹下包含两个重要的文件instances_train2017.json，instances_val2017.json 在train2017和val2017 包含的是训练和验证的图片数据。 2. YOLOX环境搭建 下载 YOLOX，克隆不下来的话，也可以自己下载zip文件然后解压 。 cd ~/code git clone https://gith
YOLOX训练自己的数据集（coco格式）
整天梦游的小jerry
09-23 3800
这里记录一下将yolox用于训练自己的数据集（coco格式），这里yolox的github地址 Environment conda create -n yolox python=3.8 conda activate yolox pip install torch==1.8 cd yolox pip install -r requirements.txt python setup.py develop Install pycocotools git clone https://github.com/coco
YOLOX训练-COCO格式
嗯呢嗯呢的博客
09-28 3090
将MOT17数据集转为COCO格式。YOLOX接着上一次训练。使用tensorboard可视化。OSError: [WinError 1455]页面文件太小，无法完成操作
基于coco数据集的yolox模型预训练权重
11-07
yolox模型预训练权重
手把手教你利用YOLOX训练自定义数据集（COCO Dataset）
Mickey的博客
05-29 4081
YOLOX 支持使用自定义数据集进行训练。为了在 YOLOX 上运行我们自己的数据集，我们需要遵循以下基本步骤
YOLOX-入门2-训练-【Reproduce our results on COCO】
weixin_41793473的博客
07-23 3263
YOLOX-入门2-训练-【Reproduce our results on COCO】 上一篇： YOLOX-部署与测试 部署的平台：【极链AI云平台】 YOLOX地址： https://github.com/Megvii-BaseDetection/YOLOX 复现YOLOX在COCO数据集的结果 数据集 在部署平台极链AI云上，有提供数据集，其中就包括coco2017，可以直接用ln语句在自己的YOLOX路径下建立软链接，使用方便。 在极链AI云提供的coco数据集中，有提示该coco数据集的路径，
yolox訓練coco
qq_36302310的博客
09-02 943
使用yolox训练coco数据集格式的模型 yolox訓練cocococo数据集格式数据集准备数据训练修改yolo_s.py修改yolo_base.py修改coco.py修改coco_classes.py开始训练总结 coco数据集格式 标准格式： coco —annotations(存放json文件) ——train2017.json ——val2017.json —train2017 (存放训练图片) —val2017 （存放测试图片） 修改合并格式： coco —annotations （存放jso
深入浅出Yolox之自有数据集训练超详细教程
江南研习社
08-09 7845
随着旷视科技发布Yolox的论文和代码后，Yolox得到了广泛的关注。 但由于训练代码和之前的Yolov3、Yolov4、Yolov5的代码都不相同。 且代码中的训练案例，以COCO和VOC格式为基准，但平时大家标注的文件，并不是完全相同的格式。 而且训练自有数据的讲解流程，很多人不太熟悉。 因此大白以自有标注的人头数据集为案例，一步步和大家一起学习，整体的训练和测试全流程。 PS：大白将代码文件、网络权重、数据集划分代码和人头数据集，都整理汇总，可点击查看下载。 文章目录1 深入浅出Yolo核心基础完整讲
YOLOX推理系列4-使用YOLOX训练自己的数据集
yinqinggong的博客
12-08 1万+
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录前言一、pandas是什么？二、使用步骤1.引入库2.读入数据总结 前言 提示：这里可以添加本文要记录的大概内容： 例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。 提示：以下是本篇文章正文内容，下面案例可供参考 一、pandas是什么？ 示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。 二、使用步骤 1.引入库 代码
[目标检测] 二、训练yolox模型
好风凭借力
04-19 7503
训练yolox模型 前篇：配置yolox环境 一、准备工作 1、数据集配置 我用的是voc2007数据集，将标记好的数据转换成voc数据集格式（可存为labelme2voc.py，运行)： import os import numpy as np import codecs import json from glob import glob import cv2 import shutil from sklearn.model_selection import train_test_split # 1.标
【计算机视觉】YOLO 入门：训练 COCO128 数据集
热门推荐
wzk4869的博客
08-29 2万+
【计算机视觉】YOLO 入门：训练 COCO128 数据集
YOLOv8-Detect训练CoCo数据集+自己的数据集
qq_54134410的博客
02-02 6234
至此，整个训练预测阶段完成。此过程同样可以在linux系统上进行，在数据准备过程中需要仔细，保证最后得到的数据准确，最好是用显卡进行训练。有问题评论区见！
Ultralytics YOLO V11 初体验—训练COCO数据集—全流程记录
一个学长的博客
10-09 1万+
本文记录了，使用Utralytics平台中的YOLO V11 训练COCO数据集的全流程，包括环境配置，模型下载，数据集下属在，文件目录搭建，标签生成，以及最后的运行结果。
Yolov5训练指南—CoCo格式数据集
weixin_44027006的博客
04-27 1万+
Yolov5训练指南—CoCo格式数据集1 准备工作2 将coco数据集转换为yolo数据集3 训练参数定义4 训练模型5 预测 1 准备工作 训练Yolo模型要准备的文件及文件格式如下： /trianing # 根目录 /datasets # 数据集目录（可以任意取名） /images /train /val /labels /train /val /yolov5 先创建一个training文件夹mkdir training/ 在training文件夹下使
验证性试验：yolov3训练coco数据集
qq_33074561的博客
08-23 1万+
Yolov3 中作者列出了使用coco数据集训练的数据结果，其中显示在输入图片大小为416x416的时候，模型的mAP大小为31%，当输入图片大小为608x608的时候，模型的mAP达到33%，论文中结果截图如下：     我们做了个实验，目的是验证当我们自己训练的时候能否达到论文中的给出的结果，判断我们平时训练的方法是否有问题。 这里使用了3块TITAN X显卡进行实验，batch设...
PyTorch YOLOX代码实现：COCO和VOC数据集训练指南
YOLOX代码库支持多种数据集的训练，包括广泛使用的COCO数据集和Pascal VOC数据集。" 知识点详细说明： 1. PyTorch框架： - PyTorch是一个开源机器学习库，基于Python语言，广泛应用于计算机视觉和自然语言处理等...
评论 5
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值