YOLOX 网络讲解

最新推荐文章于 2024-10-14 11:18:34 发布
最新推荐文章于 2024-10-14 11:18:34 发布
阅读量1k 收藏 1
点赞数
分类专栏： object detection 文章标签： 深度学习 计算机视觉 人工智能
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/weixin_38346042/article/details/127128331
版权
YOLOX是旷视科技在2021年发表的计算机视觉论文，它在YOLO系列基础上实现了性能提升，主要特点包括Anchor-Free、解耦的检测头和SimOTA正负样本匹配策略。相比于YOLOv5，YOLOX在某些场景下表现更优。YOLOX的网络结构与YOLOv5类似，但采用了不同的检测头设计，实现更快的收敛速度。损失计算方面，YOLOX使用了Lcls、Lreg和Lobj。SimOTA匹配策略是YOLOX的关键，它基于最优传输理论优化正负样本匹配，提升了AP。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

0.序言

论文地址:YOLOX: Exceeding YOLO Series in 2021
论文对应源码地址：https://github.com/Megvii-BaseDetection/YOLOX
在这里插入图片描述

  • YOLOX是旷世科技在2021年发表在CVPR上的一篇论文
  • YOLOX与之前的YOLO网络有什么区别呢，最明显的区别就是YOLOX是一个anchor free的网络,YOLOX的anchor free思想借鉴于FCOS网络
  • YOLOX的两点主要包括3点：1.Anchor-Free , 2. 解耦的检测头(decoupled detection head) 3. 更加先进的正负样本匹配策略(SimO
了解本专栏 订阅专栏 解锁全文 超级会员免费看
Anchor free系列检测器之YOLOX源码逐行讲解篇(一)--搭建主干网络及backbone中各模块详解
认真努力，做一只会飞的毛毛虫。
02-13 9234
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。有问题欢迎讨论。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。看完后可以自己随便的去改任何网络结构，而不仅仅局限于一个调参者。 本篇讲的是Backbone的搭建，由于代码比较分
Anchor free系列检测器之YOLOX源码逐行讲解篇(二)--搭建类PAFPN结构及数据流向分析
认真努力，做一只会飞的毛毛虫。
02-13 1万+
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。有问题欢迎讨论。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。看完后可以自己随便的去改任何网络结构，而不仅仅局限于一个调参者。 本篇讲的是YOLOX中类PAFPN结构的搭建，在
YOLOX网络详解
最新发布
m0_61595251的博客
10-14 1589
对于网络在每一个grid cell处都会预测4个参数（tx、ty、tw、th），tx与ty预测的是目标中心点相对于当前grid cell相对于当前grid cell左上角点的偏移量，预测边界框的高度和宽度用e的指数计算，计算得出的Xcenter、Ycenter、w、h都是在特征图尺度上的，需要*stride得到在原图的尺度。构建Anchor Point与每个GT之间的IoU矩阵，IoU矩阵并不需要单独计算，在计算cost矩阵时，已经事先计算了回归损失，而回归损失也计算了IoU。
Yolox_nano可视化网络结构图
江南研习社
08-03 1万+
Yolox共有七种网络结构，包含2种轻量级网络，和5种标准网络。 ① 轻量级网络 (1) Yolox-Nano可视化网络结构图：点击查看 (2) Yolox-Tiniy可视化网络结构图：点击查看 ② 标准网络 (1)Yolox-s可视化网络结构图：点击查看 (2) Yolox-m可视化网络结构图：点击查看 (3) Yolox-l可视化网络结构图：点击查看 (4) Yolox-x可视化网络结构图：点击查看 (5) Yolox-Darknet53可视化网络结构图：点击查看 此外也放上Yolov3、Yolov4、
YOLOX网络结构详解
热门推荐
霹雳吧啦Wz
06-07 4万+
在之前文章中我们已经聊过YOLO v5了，今天我们再来聊聊YOLOX。YOLOX是旷视科技在2021年发表的一篇文章，当时主要对标的网络就是很火的YOLO v5，如果对YOLO v5不了解的可以看下我之前的文章。那么在YOLOX中引入了当年的哪些黑科技呢，简单总结主要有三点，decoupled head、anchor-free以及advanced label assigning strategy(SimOTA)。............
35_YOLOX网络详解
https://github.com/foxpup11?tab=repositories
07-24 3609
https://www.bilibili.com/video/BV1JW4y1k76c/?spm_id_from=333.999.0.0&vd_source=7dace3632125a1ef7fd32c285eb2fbac
yolox网络结构
sinat_39307513的博客
08-03 1964
YOLOX( (backbone): YOLOPAFPN( (backbone): CSPDarknet( (stem): Focus( (conv): BaseConv( (conv): Conv2d(12, 32, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1), bias=False) (bn): BatchNorm2d(32, eps=0.001, momentum=0...
深入浅出Yolo系列之Yolov3&Yolov4&Yolov5&Yolox核心基础知识完整讲解_江南研习社-优快云博客_深入浅
08-04
【深入浅出Yolo系列之Yolov3&Yolov4&Yolov5&Yolox核心基础知识完整讲解】 Yolo（You Only Look Once）系列是目标检测领域非常热门的算法，从Yolov3到Yolov4、Yolov5，再到最新的Yolox，这一系列算法在不断提升目标...
Anchor free系列检测器之YOLOX源码逐行讲解篇(六)--Mixup数据增强
认真努力，做一只会飞的毛毛虫。
02-14 9338
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
YOLOX网络结构
yxt916的博客
09-02 4969
本文为博主DaneAI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。 原文链接：https://blog.youkuaiyun.com/happyday_d/article/details/120063718 YOLOX网络结构 ​ 之前写过一个YOLOX训练自己的VOC标注的数据，近期调试了一下YOLOX源码，根据代码结构及之前的网络提供的YOLOV5结构，绘制了YOLOX-S的网络结构，如下图所示： 说明：1.模块上面的名字为代码中的名字。 ​ 2.模块下面的网络大小为该模型
Yolo X目标检测系统【详解】
qq_23022733的博客
05-27 5489
文章目录
【目标检测】------yolox网络结构
m0_47405013的博客
01-28 754
yolox
深度学习---目标检测网络YoloX
datian1234的博客
07-25 1308
YoloX由旷视科技开源，以YoloV3(Darknet53作为backbone)作为基线，最大的区别在于 **Decoupled Head，Data Aug，Anchor Free 和样本匹配（SimOTA）** 这几个方面，另外还提供了完善的代码，并很贴心的提供了部署脚本，真的很友好了。
YoloX_s网络模型
Joejwu的博客
09-08 2604
YoloX_s输出的网络结构如下： YOLOX( (backbone): YOLOPAFPN( (backbone): CSPDarknet( (stem): Focus( (conv): BaseConv( (conv): Conv2d(12, 32, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1), bias=False) (bn): BatchNorm2d(32, e
YOLOX：pytorch实现网络结构
CHEN的博客
02-26 4574
YOLOX：pytorch实现网络结构 网络总体结构简介 YOLOX的网络主要由三个部分组成，分别是CSPDarkNet、FPN和YOLOXHead。 CSPDarkNet是YOLOX的主干特征提取网络，其输出为三个有效特征层 FPN是YOLOX的加强特征提取网络，其作用是将CSPDarkNet输出的三个有效特征层进行特征融合，将不同尺度的特征信息进行融合。 YOLOXHead是YOLOX的分类器和回归器，YOLOXHead通过FPN输出的三个特征图来判断特征点是否有物体与其对应，之前的YOLO
【深入浅出Yolo系列之Yolox核心基础完整讲解】
2d3d图像算法 halcon\opencv\c++\pcl\vtk\coluldcompare工具 程序员 学习者
05-15 3559
文章目录 原文：https://zhuanlan.zhihu.com/p/397993315 在Yolov4、Yolov5刚出来时，大白就写过关于Yolov3、Yolov4、Yolov5的文章，并且做了一些讲解的视频，反响都还不错。而从2015年的Yolov1，2016年Yolov2，2018年的Yolov3，再到2020年的Yolov4、Yolov5，Yolo系列也在不断的进化发展。 就在大家质疑，Yolo如何进一步改进时，旷视科技发表了研究改进的Yolox算法。大白对于Yolox文章和相关的代码，进
从零开始实现yolox二：网络搭建与导入
weixin_44457930的博客
02-18 2148
网络结构1 YOLOX网络结构概览2 Backbone2 YOLOX系列有四篇论文博客，这篇博客是最核心的，也是让人越看越明白的。各个模型最大的区别就是网络结构，其次是损失函数，其他的数据增强、mAP值的计算都是一样的。 1 YOLOX网络结构概览 当然，还有更接近代码的版本： 2 Backbone 再yolox_from_scratch下新建一个名为nets的程序包，并再下面新建一个名为darknet.py的文件，新建后项目结构如下： 在darknet.py文件中，我们构建backbone的网络结构
Android实时检测项目：Yolox与NCNN实战部署教程
该资源提供的教程详细到每个步骤，不仅包括了理论知识的讲解，还有具体的代码示例和操作指南。学习者可以在实际操作中更加深入地理解YOLOX和NCNN在Android设备上部署的全过程，并能够根据教程在自己的项目中复现类似...
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

@BangBang

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