yolox.md

YoloX

⌚️: 2021年11月02日

📚参考

• YoloX网络结构
• 白勇课程

---

第1章 课程介绍

第2章 目标检测

2.1 任务




2.2 数据集





2.3 性能指标


FLOPS:floating-point operations per second


















第3章 YOLOX训练VOC数据集

3.1 Ubuntu

3.2 Windows

第4章 YOLO

4.1 Yolo发展史

4.2 Yolox基本原理

4.3 Yolox网络架构

4.4 Yolox损失函数

4.5 Yolox训练技巧

第5章 源码解析篇1-YOLOX项目结构

第6章 源码解析篇2-模型构建

1. 激活函数及代码

接下来看代码models->network_blocks.py

2. Backbone代码

代码位置在models包中

• BaseConv（函数名）-->CBL（图中简称）
• DWConv：深度可分离卷积
• Bottleneck：True和False
• ResLayer：用于Darknet53，现在用的很少，基本使用CSPDarkNet53
• CSPLayer：别名C3
• SPPBottleneck：
• Darkent:目前基本不用
• CSPDarknet：

3. PAFPN代码

代码位置在models包中

4. Head代码

代码位置在models包中

5. Yolox网络代码

代码位置在models包中

第7章 源码解析篇3-数据集创建

1. dataset代码

2. 数据增强代码

3. data prefetcher代码

4. 马赛克数据增强代码

第8章 源码解析篇4-辅助工具代码

1. 分布式训练代码

看代码dist.py, launch.py, setup_env.py, allreduce_norm.py

2. 非极大值抑制

所以建议所有类别同时做NMS，而不是每个类别做NMS

代码看boxes.py, demo_utils.py, demo.py

3. 其他utils代码

lr_scheduler.py

第9章 源码解析篇5-Exp网络代码解析

1. Exp代码

2. 具体网络代码

第10章 源码解析篇6-Yolox使用

1. demo.py

2. eval.py

3. train.py