2022-04-11 yolox:ubuntu18.04-cuda10.2-cudnn7-python3.7-pytorch1.7.0
YOLOX模型于2021年由开发者Zheng Ge,Songtao Liu,Feng Wang,Zeming Li,Jian Sun在《YOLOX: Exceeding YOLO Series in 2021》首次提出。 YOLOX对YOLO系列的进行一些改进,形成了一种新的高性能探测器。配备了一些新的先进检测技术,即解耦头、无锚点和先进的标签分配策略,YOLOX在速度和精度之间实现了更好的平衡,比所有型号尺寸的其他同类产品都好。值得注意的是,我们将YOLOv3的体系结构提高到了47.3%,超过了目前最佳实践的3.0%。官方论文:https://arxiv.org/pdf/2107.08430v2.pdf
可以使用/root/YOLOX/tools/demo.py文件进行推断。
在终端中,在目录/root/YOLOX下,输入:
python tools/demo.py image -n yolox-s -c /modelsets/YOLOX/yolox_s.pth --path assets/dog.jpg --conf 0.25 --nms 0.45 --tsize 640 --save_result --device [cpu/gpu]
参数 | 说明 |
---|---|
-n | 模型名称 |
-c | 权重 |
准备COCO数据集:
cd /root/YOLOX
ln -s /datasets/coco2017 ./datasets/COCO # 将平台数据集软链接至模型文件夹下
python tools/train.py -n yolox-s -d 1 -b 8 --fp16 -o
参数 | 说明 |
---|---|
-n | 模型名称 |
-d | 使用的GPU数量 |
-b | GPU数量 |
-fp16 | 使用mix precision training |
-o | 先占用GPU内存训练 |
def __init__
中可以修改json_ file的值来修改使用的标注文件。默认使用instances _train2017.json。python tools/demo.py video -n yolox-s -c /root/YOLOX/yolox_s.pth --path assets/video1.mp4 --conf 0.3 --nms 0.65 --tsize 640 --save_result
参数 | 说明 |
---|---|
-n | 模型名称 |
-c | 权重 |