YOLOX
YOLOX 0.3.0
Yolox는 더 간단한 디자인이지만 더 나은 성능을 가진 Yolo의 앵커 프리 버전입니다! 그것은 연구 커뮤니티와 산업 공동체 사이의 격차를 해소하는 것을 목표로합니다. 자세한 내용은 ARXIV에 대한 보고서를 참조하십시오.
이 저장소는 Pytorch 버전 Yolox의 구현이며 Megengine 구현도 있습니다.
| 모델 | 크기 | 지도 발 0.5 : 0.95 | 지도 테스트 0.5 : 0.95 | 속도 v100 (MS) | 매개 변수 (중) | 플롭 (G) | 무게 |
|---|---|---|---|---|---|---|---|
| yolox-s | 640 | 40.5 | 40.5 | 9.8 | 9.0 | 26.8 | github |
| yolox-m | 640 | 46.9 | 47.2 | 12.3 | 25.3 | 73.8 | github |
| yolox-l | 640 | 49.7 | 50.1 | 14.5 | 54.2 | 155.6 | github |
| yolox-x | 640 | 51.1 | 51.5 | 17.3 | 99.1 | 281.9 | github |
| Yolox-Darknet53 | 640 | 47.7 | 48.0 | 11.1 | 63.7 | 185.3 | github |
| 모델 | 크기 | 지도 테스트 0.5 : 0.95 | 속도 v100 (MS) | 매개 변수 (중) | 플롭 (G) | 무게 |
|---|---|---|---|---|---|---|
| yolox-s | 640 | 39.6 | 9.8 | 9.0 | 26.8 | OneDrive/Github |
| yolox-m | 640 | 46.4 | 12.3 | 25.3 | 73.8 | OneDrive/Github |
| yolox-l | 640 | 50.0 | 14.5 | 54.2 | 155.6 | OneDrive/Github |
| yolox-x | 640 | 51.2 | 17.3 | 99.1 | 281.9 | OneDrive/Github |
| Yolox-Darknet53 | 640 | 47.4 | 11.1 | 63.7 | 185.3 | OneDrive/Github |
| 모델 | 크기 | 지도 발 0.5 : 0.95 | 매개 변수 (중) | 플롭 (G) | 무게 |
|---|---|---|---|---|---|
| yolox-nano | 416 | 25.8 | 0.91 | 1.08 | github |
| yolox-tiny | 416 | 32.8 | 5.06 | 6.45 | github |
| 모델 | 크기 | 지도 발 0.5 : 0.95 | 매개 변수 (중) | 플롭 (G) | 무게 |
|---|---|---|---|---|---|
| yolox-nano | 416 | 25.3 | 0.91 | 1.08 | github |
| yolox-tiny | 416 | 32.8 | 5.06 | 6.45 | github |
1 단계. 소스에서 Yolox를 설치하십시오.
git clone [email protected]:Megvii-BaseDetection/YOLOX.git
cd YOLOX
pip3 install -v -e . # or python3 setup.py develop1 단계. 벤치 마크 테이블에서 사전 모델을 다운로드하십시오.
2 단계. 감지기 구성을 지정하려면 -n 또는 -f를 사용하십시오. 예를 들어:
python tools/demo.py image -n yolox-s -c /path/to/your/yolox_s.pth --path assets/dog.jpg --conf 0.25 --nms 0.45 --tsize 640 --save_result --device [cpu/gpu]또는
python tools/demo.py image -f exps/default/yolox_s.py -c /path/to/your/yolox_s.pth --path assets/dog.jpg --conf 0.25 --nms 0.45 --tsize 640 --save_result --device [cpu/gpu]비디오 데모 :
python tools/demo.py video -n yolox-s -c /path/to/your/yolox_s.pth --path /path/to/your/video --conf 0.25 --nms 0.45 --tsize 640 --save_result --device [cpu/gpu]1 단계. 코코 데이터 세트를 준비하십시오
cd < YOLOX_HOME >
ln -s /path/to/your/COCO ./datasets/COCO2 단계. -n을 지정하여 Coco에서 결과를 재현하십시오.
python -m yolox.tools.train -n yolox-s -d 8 -b 64 --fp16 -o [--cache]
yolox-m
yolox-l
yolox-x-f를 사용하는 경우 위의 명령은 다음과 같습니다.
python -m yolox.tools.train -f exps/default/yolox_s.py -d 8 -b 64 --fp16 -o [--cache]
exps/default/yolox_m.py
exps/default/yolox_l.py
exps/default/yolox_x.py다중 기계 훈련
우리는 또한 멀티 노드 교육을 지원합니다. 다음 args를 추가하십시오.
2 개의 기계에서 Yolox를 훈련시키고 마스터 머신의 IP가 123.123.123.123이며 포트 12312 및 TCP를 사용하십시오.
마스터 머신에서 실행하십시오
python tools/train.py -n yolox-s -b 128 --dist-url tcp://123.123.123.123:12312 --num_machines 2 --machine_rank 0두 번째 기계에서 실행하십시오
python tools/train.py -n yolox-s -b 128 --dist-url tcp://123.123.123.123:12312 --num_machines 2 --machine_rank 1무게 및 편견에 로깅
메트릭, 예측 및 모델 체크 포인트를 W & B에 기록하려면 명령 줄 인수 --logger wandb 사용하고 접두사 "wandb-"를 사용하여 Wandb 실행을 초기화하기위한 인수를 지정하십시오.
python tools/train.py -n yolox-s -d 8 -b 64 --fp16 -o [--cache] --logger wandb wandb-project < project name >
yolox-m
yolox-l
yolox-x예제 WANDB 대시 보드는 여기에서 사용할 수 있습니다
기타
다음 명령으로 자세한 정보를 참조하십시오.
python -m yolox.tools.train --help빠른 평가를위한 배치 테스트를 지원합니다.
python -m yolox.tools.eval -n yolox-s -c yolox_s.pth -b 64 -d 8 --conf 0.001 [--fp16] [--fuse]
yolox-m
yolox-l
yolox-x속도 테스트를 재현하려면 다음 명령을 사용합니다.
python -m yolox.tools.eval -n yolox-s -c yolox_s.pth -b 1 -d 1 --conf 0.001 --fp16 --fuse
yolox-m
yolox-l
yolox-x연구에서 Yolox를 사용하는 경우 다음 Bibtex 항목을 사용하여 작업을 인용하십시오.
@article{yolox2021,
title={YOLOX: Exceeding YOLO Series in 2021},
author={Ge, Zheng and Liu, Songtao and Wang, Feng and Li, Zeming and Sun, Jian},
journal={arXiv preprint arXiv:2107.08430},
year={2021}
}Jian Sun 박사의지도가 없으면 Yolox는 공개되지 않았으며 지역 사회에 공개되지 않았을 것입니다. Sun 박사의 지나가는 것은 컴퓨터 비전 분야에서 큰 손실입니다. 우리는이 섹션을 여기에 추가하여 선장 선장 Dr. Sun에게 우리의 기억과 애도를 표현합니다. 세계의 모든 AI 실무자는 "인지 경계를 확대하기위한 지속적인 혁신과 제품 가치를 달성하기위한 특별한 기술"에 대한 믿음을 고수하고 전진하기를 희망합니다.
