深度学习论文: YOLOX-PAI: An Improved YOLOX, Stronger and Faster than YOLOv6及其PyTorch实现

已于 2023-03-14 11:05:52 修改
阅读量507 收藏
点赞数
分类专栏： Deep Learning Object Detection Paper Reading 文章标签： 深度学习 pytorch 人工智能
于 2022-09-23 10:38:09 首次发布
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。
本文链接：https://blog.youkuaiyun.com/shanglianlm/article/details/127006141
版权

深度学习论文: YOLOX-PAI: An Improved YOLOX, Stronger and Faster than YOLOv6及其PyTorch实现
YOLOX-PAI: An Improved YOLOX, Stronger and Faster than YOLOv6
PDF: https://arxiv.org/pdf/2208.13040.pdf
PyTorch代码: https://github.com/shanglianlm0525/CvPytorch
PyTorch代码: https://github.com/shanglianlm0525/PyTorch-Networks

1 概述

针对YOLOX，加入诸多改进技巧的复现和探索，进一步提升了YOLOX的性能，在速度和精度上都比现阶段的40~50mAP 的SOTA的YOLOv6更胜一筹。
在这里插入图片描述

了解本专栏 订阅专栏 解锁全文 超级会员免费看
YOLO综述：从YOLOV1到YOLOV8
qq_33287871的博客
04-08 3079
YOLO 已成为机器人、无人驾驶汽车和视频监控应用的中央实时目标检测系统。我们对 YOLO 的演变进行了全面分析，检查了从原始 YOLO 到 YOLOv8 的每次迭代中的创新和贡献。我们首先描述标准指标和后处理；然后，我们讨论了每个模型的网络架构和训练技巧的主要变化。最后，我们总结了 YOLO 发展的重要经验教训，并展望了其未来，强调了增强实时目标检测系统的潜在研究方向。
深度学习论文: YOLOv6: A Single-Stage Object Detection Framework for Industrial Applications及其PyTorch实现
mingo_敏
09-21 1467
YOLOv6 支持检测模型训练、评估、预测以及模型量化、蒸馏等全链路开发流程，同时支持 GPU（TensorRT）、CPU（OPENVINO）、ARM（MNN、TNN、NCNN）等不同平台的部署，极大简化工程部署时的适配工作。
YOLOX-PAI: An Improved YOLOX, Stronger and Faster than YOLOv6
qq_52302919的博客
09-05 809
本文针对YOLOX进行优化，相关指标超越了YOLOv6，将YOLOX集成到EasyCV中。通过对检测主干、颈部和头部进行不同的增强来研究对YOLOX的改进。用户可以根据自己的需求简单地设置不同的配置以获得合适的对象检测模型。
YoloX大升级：阿里巴巴提出新框架，超越Yolov6和PPYoloE（附源代码）
gzq0723的博客
09-02 1938
关注并星标从此不迷路计算机视觉研究院公众号ID｜ComputerVisionGzq学习群｜扫码在主页获取加入方式代码地址：https://github. com/alibaba/EasyCV计算机视觉研究院专栏作者：Edison_G最新阿里巴巴研究员，基于自研平台，对YoloX检测框架进行了改进，并且效率更快，超越了Yolov6和PP-YoloE等网络。01概述EasyCV是阿里巴巴开源的基于P...
YOLO 的从零实现(pytorch)
liuchenwill的博客
10-26 1357
YOLO 的从零实现(pytorch) You Only Look Once 基础知识 交叉比（iou） iou 计算的是 “预测的边框” 和 “真实的边框” 的交集和并集的比值 代码实现 def intersection_over_union(boxes_preds, boxes_labels, box_format='midpoint'): """ Parameters: boxes_preds (tensor): Predictions of Bounding Boxes (BA
YOLOX改进之模型轻量化（Lite）
weixin_45679938的博客
03-13 1万+
文章内容：给YOLOv5-Lite系列轻量级模型换上YOLOX头部 环境：pytorch1.7+cuda11.0 注意：YOLOv5版本为5.0，可以匹配YOLOX的主干网络与neck部分 一、参考资料 参考资料1： YOLOv5-Lite： 代码链接：https://github.com/ppogg/YOLOv5-Lite 文章链接：https://blog.youkuaiyun.com/weixin_45829462/article/details/119767896?spm=1001.2014.3001.5502
YOLOX改进
whaosoft143ai的博客
11-11 2471
这是yolox的第2季了如何设计在 mAP 和延迟方面表现良好的单级轻量级检测器？新型的单阶段轻量检测器和各种操作的准确性和延迟。此基础上分别提出了GPU和CPU的最佳操作和架构。一份YOLOX改进的实验报告：如何设计性能优异的单阶段轻量级目标检测器论文链接：https://arxiv.org/abs/2210.17151这项工作是为了设计在mAP和延迟方面表现良好的单阶段轻量级检测器。对于分别以GPU和CPU为目标的基线模型，应用各种操作来代替基线模型主干网络中的主要操作。whaosoft aiot ht
SOD-YOLOv8 - 增强YOLOv8以在交通场景中检测小目标
最新发布
TJMtaotao的博客，高校计算机教师
10-20 1930
提出了Small Object Detection YOLOv8 (SOD-YOLOv8)，这是一种专门针对涉及众多小目标场景的新颖模型。 受到Efficient Generalized Feature Pyramid Networks (GFPN)的启发，作者在YOLOv8中增强多路径融合，以合并多层级的特征，保留浅层细节并提高小目标检测精度。 引入第4个检测层用于有效利用高维度的空间信息。 C2f-EMA模块中的高效多尺度注意力模块（EMA）通过重新分配权重和优先考虑相关特征增强特征提取。
基于视觉的机器人抓取: 论文及代码(Vision-based Robotic Grasping: Papers and Codes)
dsoftware的博客
10-22 2万+
最近总结了基于视觉的机器人抓取的相关论文及代码，同步于github。根据抓取的类别，基于视觉的机器人抓取可以分为两类：2D平面抓取以及6D空间抓取。这个页面总结了近年来涉及到的各种各样的方法，其中大部分都使用了深度学习。总结的中文框架结构如下： 0.综述论文 1. 2D平面抓取 这类方法将抓取，用平面内旋转的矩形框表示； 1.1基于RGB或者RGB-D的方法 采用基于目标检测类的方法，直接得到2D...
Towards 3D Human Pose Estimation in the Wild: a Weakly-supervised Approach论文翻译
qq_38522972的博客
10-25 6426
论文地址：https://arxiv.org/abs/1704.02447 code:https://github.com/xingyizhou/pytorch-pose-hg-3d Towards 3D Human Pose Estimation in the Wild: a Weakly-supervised Approach Xingyi Zhou1,2, Qixing Huang2,...
YOLOX论文翻译
寻觅的博客
09-03 1933
YOLOX论文翻译论文题目：《YOLOX：2021超越YOLO系列》摘要1.引言2 YOLOX2.1 YOLOX-DarkNet532.2 其他骨干网3 与SOTA比较4 流媒体感知挑战（WAD at CVPR 2021）5 结论 本文章翻译为自学温习所用，笔者能力有限，不足之处还请在评论处批评指正。 论文题目：《YOLOX：2021超越YOLO系列》 论文下载地址：https://arxiv.org/pdf/2107.08430.pdf 图1 精确模型的速度-精度权衡（上方）和移动设备上YOLOX及其
YOLOv5，YOLOv6，YOLOv7在TensorRT推理速度比较
hllyzms的博客
11-23 3021
yolov5s模型是最小的，速度最快当之无愧，在精度方面跟YOLOv6s、YOLOv7-tiny、YOLOv7只有细微差异。然后综合我这两天完成这件事在YOLOv6、YOLOv7上遇到各种坑，我只能说搞工程选YOLOv5就对了，其他的都是嘴炮！工程化做的都是一塌糊涂，还有很大的改进空间。搞工程还是要脚踏实地，嘴炮一时爽，落地就死亡！
YOLOX-PAI 详细解读（一）论文解读
qq128252的博客
09-10 3489
2021 年，旷视提出 YOLOX 算法，在速度和精度上构建了新的基线，组件灵活可部署，深受工业界的喜爱。近日，阿里云机器学习平台团队 PAI 通过自研的PAI-EasyCV框架复现 YOLOX 算法。我们开发了一个名为EasyCV的多功能计算机视觉工具箱，以方便使用各种SOTA计算机视觉方法。最近，我们将YOLOX的改进版YOLOX-PAI添加到EasyCV中。通过消融研究以探讨某些检测方法对YOLOX的影响。我们还为PAI-Blade提供了一个简单的用法，用于加速基于BladeDISC。
yolox的相关改动
qq_45207837的博客
05-18 2532
yolox模型增加一个浅层检测分支，提升小目标的检测精度 。
YOLOX系列文章（一）：先来看看论文
机器视觉全栈er的博客
07-20 5787
YOLOX系列文章（一）：先来看看论文YOLOX论文新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 注：个人水平有限，如有错误，敬请批评指正。 YOLOX论文 论文：https://arxiv.org/pdf/2107.0
TOOD（2021年8.18）论文解读
dear_queen的博客
08-30 3037
TOOD: Task-aligned One-stage Object Detection摘要1.介绍2. Related Work3.Task-aligned One-stage Object Detection3.1. Task-aligned Head3.2. Task Alignment Learning3.2.1 Task-aligned Sample Assignment3.2.2 Task-aligned Loss4. Experiments and Results4.1. Ablation
手把手教你运行YOLOv6（超详细）
热门推荐
恐龙先生的博客
06-28 3万+
YOLOv6 是美团视觉智能部研发的一款目标检测框架，致力于工业应用。本框架同时专注于检测的精度和推理效率，在工业界常用的尺寸模型中：YOLOv6-nano 在 COCO 上精度可达 35.0% AP，在 T4 上推理速度可达 1242 FPS；YOLOv6-s 在 COCO 上精度可达 43.1% AP，在 T4 上推理速度可达 520 FPS。在部署方面，YOLOv6 支持 GPU（TensorRT）、CPU（OPENVINO）、ARM（MNN、TNN、NCNN）等不同平台的部署，极大地简化工程部署时的
修改yolov5的输入图像尺寸为指定尺寸
mingo_敏
04-12 3万+
yolov5支持两种训练方式： 加入指定输入img-size为640 square (w==h) 如 输入为 [b, c, 640, 640], 可以使用mosic数据增强方式增强图像 rect(scale): 如 输入为 [b, c, 640, 512], 其中512为短边放缩以后的尺寸（补充到32的倍数） 但是不支持mosic数据增强方式 但是有的时候在实际项目使用中，可能会涉及到需要同时指定输入图像的长和宽，因为对yolov5代码做一些修改以适应于项目需求。 修改后的代码如下： ....
目标检测论文：FCOS: Fully Convolutional One-Stage Object Detection及其PyTorch实现
mingo_敏
09-16 1万+
一阶段，没有anchor，没有proposal，内存占用少的目标检测算法。 1 概述 本文创新点： 使用语义分割的思想来解决目标检测问题； 摒弃了目标检测中常见的anchor boxes和object proposal，使得不需要调优涉及anchor boxes和object proposal的超参数（hyper-parameters）； 训练过程中避免大量计算GT boxes和ancho...
yolov5 add yolox-16cls
07-27
根据引用\[1\]中提到的实验结果，不同的YOLO框架在同一个数据集上训练出的结果差距很大。使用ultralytics公司出品的v5、v3框架训练的结果精度差距是合理的，但使用其他框架如Yolov4代码或YoloX框架训练的结果精度低20-30%，帧率也低。因此，为了进行对比实验，作者选择将YoloX结构移植到Yolov5框架中进行实现。 关于YoloX的改进，引用\[2\]中提到了YOLOX-PAI选择了YOLOv6的一些有用的改进，并与YOLOv6进行了比较。结果显示，与YOLOv6相比，YOLOX-PAI具有更快的速度和更好的mAP（平均精度），例如YOLOv6-tiny和YOLOv6-s模型分别加速了22%和13%，并获得了+0.2的mAP。引用\[3\]也提到了相同的结果。 根据你的问题，你想在yolov5中添加yolox-16cls。根据提供的引用内容，我无法找到关于yolox-16cls的具体信息。如果你能提供更多关于yolox-16cls的信息，我将尽力为你提供帮助。 #### 引用[.reference_title] - *1* [【YOLOX】用YOLOv5框架YOLOX](https://blog.youkuaiyun.com/g944468183/article/details/129559197)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* *3* [YOLOX-PAI: An Improved YOLOX, Stronger and Faster than YOLOv6](https://blog.youkuaiyun.com/qq_39237205/article/details/126870122)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
评论
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

打赏作者

mingo_敏

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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