YOLOX
- YOLOX简介
- YOLOX源码
- 1、下载依赖
- 2、准备COCO数据集
- 3、测试
- 参考文献
YOLOX简介
作为单阶段目标检测模型的中流砥柱，YOLO系列模型一直以简洁，快速出名。由于实际生产应用领域有着低硬件成本和高时效性的要求，YOLOV3成为了工业界使用的最多的目标检测模型之一。令人欣喜的是，新一代YOLO在YOLOV3的基础上应用了decoupled head, strong augmentation, anchor-free, multi positives, SimOTA等tricks，相比YOLOV3 ,MAP又有了大幅度提升。
YOLOX源码
看论文感觉还是学的比较浅，所以我在YOLOX源码上学习一下代码。关于代码结构，个人觉得这篇文章中分析的比较好。YOLOX源码解析–十分详细 读了源码之后还要在COCO数据集上测试一下。因此我在YOLOX源码的Readme这里看到了配置环境和运行程序的方法。不过踩了几脚坑。
1、下载依赖
git clone https://github.com/Megvii-BaseDetection/YOLOX.git
cd YOLOXOK，源码下载完成，下一步要安装依赖了，读代码可知，安装依赖执行的是setup.py，requirements.txt中是要下载的packages。官方提示是要用pip3 install -v -e . 下载所有依赖但是这里会有一些WARNING和ERROR出现，如果置之不理，后续测试训练模型都会报错。
这里报错有两个关键性因素。
1、这里提示下载的torch是cpu版本的pytorch，不能用gpu训练。而gpu训练速度会快很多。
2、onnx最新版本已经1.12了，requirement.txt里还要下载1.8。
解决第一个问题有点复杂，因为安装gpu版本的pytorch还需要安装对应版本的cuda和cudnn。这里贴出链接，用conda安装gpu版pytorch
配置gpu版本pytorch 之后还需要把requirements.txt修改成下图所示
OK，下一步开始安装其中包含的packages
activate [你的环境名称]
pip3 install -v -e .2、准备COCO数据集
COCO数据集很大，通过网络下载会很慢，这里推荐一个博文，用百度云盘下会快很多。
MS COCO官网数据集(百度云）下载，COCO API、MASK API和Annotation format介绍（来自官网） 下载完成后可以在./datasets/Readme.md中看到数据集文件分布，按要求保持文件名和文件层次相同。
ln -s [你的COCO下载地址] ./datasets/COCO
#创建符号链接至此我们可以安装官方流程训练测试了。
3、测试
我这里选择先下载yolox_m模型的权重
点对应位置的github就可以下载模型的weights
现在可以在COCO测试集上测试了，
python -m yolox.tools.eval -n yolox-m -c [你的权重文件地址] -b 64 --conf 0.001 --fp16 --fuse
OK，可以看到出现一堆log，在末尾可以看到YOLOX模型的AP、AR和每个类的AP、AR
参考文献
