【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
爆改模型11 分钟前
【ICCV2025】计算机视觉|即插即用|ESC:颠覆Transformer!超强平替,ESC模块性能炸裂!
人工智能·计算机视觉·transformer
AI 嗯啦35 分钟前
计算机视觉opencv----银行卡号码识别
人工智能·opencv·计算机视觉
音视频牛哥1 小时前
《“人工智能+”行动意见》深度解析:从智能红利到产业落地,直播模块的技术价值与应用路径
人工智能·计算机视觉·音视频开发
mahuifa1 小时前
OpenCV 开发 -- 图像基本处理
人工智能·python·opencv·计算机视觉
码蛊仙尊2 小时前
2025计算机视觉新技术
人工智能·计算机视觉
西猫雷婶2 小时前
scikit-learn/sklearn学习|广义线性回归损失函数的基本表达式
深度学习·神经网络·学习·机器学习·线性回归·scikit-learn·概率论
一条数据库2 小时前
5000+张带XML标注的杂货货架数据集:专为目标检测与产品识别设计的零售AI训练数据,助力智能超市与计算机视觉研究
计算机视觉·ocr
IMER SIMPLE2 小时前
人工智能-python-深度学习-神经网络-MobileNet V1&V2
人工智能·python·深度学习
盼小辉丶2 小时前
TensorFlow深度学习实战(37)——深度学习的数学原理
人工智能·深度学习·tensorflow
GEO_YScsn3 小时前
计算机视觉 (CV) 基础:图像处理、特征提取与识别
图像处理·人工智能·计算机视觉