YOLOX
YOLOX 0.3.0
Yolox-это версия Yolo без якоря, с более простым дизайном, но лучше! Он стремится преодолеть разрыв между исследованиями и промышленными сообществами. Для получения более подробной информации, пожалуйста, обратитесь к нашему отчету о Arxiv.
Это репо является реализацией версии Pytorch Yolox, также существует реализация мегенгина.
| Модель | размер | карта Вэл 0,5: 0,95 | карта тест 0,5: 0,95 | Скорость V100 (РС) | Параметры (М) | Флопс (G) | вес |
|---|---|---|---|---|---|---|---|
| Йолок-с | 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 |
| Модель | размер | карта тест 0,5: 0,95 | Скорость V100 (РС) | Параметры (М) | Флопс (G) | вес |
|---|---|---|---|---|---|---|
| Йолок-с | 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 |
| Модель | размер | карта Вэл 0,5: 0,95 | Параметры (М) | Флопс (G) | вес |
|---|---|---|---|---|---|
| Yolox-Nano | 416 | 25.8 | 0,91 | 1.08 | GitHub |
| Йодоксал | 416 | 32,8 | 5.06 | 6.45 | GitHub |
| Модель | размер | карта Вэл 0,5: 0,95 | Параметры (М) | Флопс (G) | вес |
|---|---|---|---|---|---|
| Yolox-Nano | 416 | 25.3 | 0,91 | 1.08 | GitHub |
| Йодоксал | 416 | 32,8 | 5.06 | 6.45 | GitHub |
Шаг 1. Установите Yolox из источника.
git clone [email protected]:Megvii-BaseDetection/YOLOX.git
cd YOLOX
pip3 install -v -e . # or python3 setup.py developШаг 1. Загрузите предварительную модель из эталонной таблицы.
Шаг 2. Используйте -N или -f, чтобы указать конфигурацию вашего детектора. Например:
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]или
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]Демо для видео:
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]Шаг 1. Приготовьте набор данных Coco
cd < YOLOX_HOME >
ln -s /path/to/your/COCO ./datasets/COCOШаг 2. Воспроизведите наши результаты на Coco, указав -n:
python -m yolox.tools.train -n yolox-s -d 8 -b 64 --fp16 -o [--cache]
yolox-m
yolox-l
yolox-xПри использовании -f приведенные выше команды эквивалентны:
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.pyМногократное обучение
Мы также поддерживаем многочисленные тренировки. Просто добавьте следующие ARG:
Предположим, вы хотите тренировать Yolox на 2 машинах, а IP вашей мастер -машины - 123.123.123.123, используйте порт 12312 и TCP.
На главной машине запустите
python tools/train.py -n yolox-s -b 128 --dist-url tcp://123.123.123.123:12312 --num_machines 2 --machine_rank 0На второй машине запустите
python tools/train.py -n yolox-s -b 128 --dist-url tcp://123.123.123.123:12312 --num_machines 2 --machine_rank 1Регистрация в весах и уклонах
Для регистрации метрик, прогнозы и модельные контрольные точки для W & B Используйте аргумент командной строки --logger wandb и используйте префикс «wandb-», чтобы указать аргументы для инициализации прогона Wandb.
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-xПример панели панели Wandb доступен здесь
Другие
Смотрите больше информации со следующей командой:
python -m yolox.tools.train --helpМы поддерживаем партийное тестирование для быстрой оценки:
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-xЧтобы воспроизвести тест на скорость, мы используем следующую команду:
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-xЕсли вы используете Yolox в своем исследовании, укажите нашу работу, используя следующую запись Bibtex:
@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}
}Без руководства доктора Цзянь Сан Йолокса не был бы выпущен и открыт для сообщества. Упадение доктора Сан - огромная потеря для области компьютерного зрения. Мы добавляем здесь этот раздел, чтобы выразить нашу память и соболезнования нашему капитану доктору Сан. Следует надеяться, что каждый практикующий специалист по искусственному искусству в мире будет придерживаться веры в «непрерывные инновации для расширения когнитивных границ и необычных технологий для достижения ценности продукта» и двигаться вперед.
