【YOLOX】《YOLOX:Exceeding YOLO Series in 2021》

arXiv-2021


文章目录

  • [1 Background and Motivation](#1 Background and Motivation)
  • [2 Related Work](#2 Related Work)
  • [3 Advantages / Contributions](#3 Advantages / Contributions)
  • [4 Method](#4 Method)
  • [5 Experiments](#5 Experiments)
    • [5.1 Datasets and Metrics](#5.1 Datasets and Metrics)
  • [6 Conclusion(own)](#6 Conclusion(own))

1 Background and Motivation

2 Related Work

3 Advantages / Contributions

4 Method


深入浅出Yolo系列之Yolox核心基础完整讲解

(1)输入端,mosaic 和 mixup,最后 15 个 epochs 会关闭

(2)预测头

解耦头会收敛更快,精度也会更高,但会增加运算的复杂度

anchor free,以 640 输入为例,总预测数量 ( 20 ∗ 20 + 40 ∗ 40 + 80 ∗ 80 ) ∗ ( 80 + 1 + 4 ) = 8400 ∗ 85 (20*20 + 40*40 + 80*80) * (80 + 1 +4) = 8400* 85 (20∗20+40∗40+80∗80)∗(80+1+4)=8400∗85

anchor based,以 640 输入为例,总预测数量 3 ∗ ( 20 ∗ 20 + 40 ∗ 40 + 80 ∗ 80 ) ∗ ( 80 + 1 + 4 ) = 3 ∗ 8400 ∗ 85 3*(20*20 + 40*40 + 80*80) * (80 + 1 +4) = 3*8400* 85 3∗(20∗20+40∗40+80∗80)∗(80+1+4)=3∗8400∗85

正负样本分配:初步筛选、SimOTA

初步筛选

a. 根据中心点来判断:寻找anchor_box中心点,落在groundtruth_boxes矩形范围的所有anchors

b.根据目标框来判断:以groundtruth中心点为基准,设置边长为5的正方形,挑选在正方形内的所有锚框。

这一步还是有候选框或者说 anchor 的概念的

因为不同层金字塔特征图上的空间位置映射为原图,还是有大小的

精细筛选---SimOTA

a.初筛正样本信息提取

b.Loss 函数计算

c.cost 成本计算

d.SimOTA 求解

假设初步筛选从 8400 筛选到只剩 1000, simOTA中,会选 cost 最小的前 k 个 作为正样本

可能出现共用情况,一个正样本分配了多个 GT

选 cost 最小的

5 Experiments

5.1 Datasets and Metrics

6 Conclusion(own)

YOLOX作者刘松涛博士:高性能目标检测的最新实践


解耦的好处在于:在检测的过程中分类需要的特征和回归所需要的特征不同,所以在 Decoupled Head 中进行解耦处理后学习的过程会变得更加简单。


相关推荐
撞南墙者13 分钟前
OpenCV自学系列(1)——简介和GUI特征操作
人工智能·opencv·计算机视觉
王哈哈^_^35 分钟前
【数据集】【YOLO】【VOC】目标检测数据集,查找数据集,yolo目标检测算法详细实战训练步骤!
人工智能·深度学习·算法·yolo·目标检测·计算机视觉·pyqt
是瑶瑶子啦1 小时前
【深度学习】论文笔记:空间变换网络(Spatial Transformer Networks)
论文阅读·人工智能·深度学习·视觉检测·空间变换
柳鲲鹏1 小时前
OpenCV视频防抖源码及编译脚本
人工智能·opencv·计算机视觉
wangyue42 小时前
c# 深度模型入门
深度学习
川石课堂软件测试2 小时前
性能测试|docker容器下搭建JMeter+Grafana+Influxdb监控可视化平台
运维·javascript·深度学习·jmeter·docker·容器·grafana
985小水博一枚呀3 小时前
【深度学习滑坡制图|论文解读3】基于融合CNN-Transformer网络和深度迁移学习的遥感影像滑坡制图方法
人工智能·深度学习·神经网络·cnn·transformer
985小水博一枚呀3 小时前
【深度学习滑坡制图|论文解读2】基于融合CNN-Transformer网络和深度迁移学习的遥感影像滑坡制图方法
人工智能·深度学习·神经网络·cnn·transformer·迁移学习
咔叽布吉3 小时前
【论文阅读笔记】CamoFormer: Masked Separable Attention for Camouflaged Object Detection
论文阅读·笔记·目标检测
深度学习实战训练营4 小时前
基于CNN-RNN的影像报告生成
人工智能·深度学习