Tiny and Nano detectors 作者进一步缩小模型为 YOLOX-Tiny，以便与 YOLOv4-Tiny 进行比较。对于移动设备，采用深度卷积的方法构建了一个只有 0.91M参数 和 1.08G FLOPs 的 YOLOX-Nano 模型。如下表所示，YOLOX 在模型尺寸更小的情况下也比同类模型表现更加好。Model size and data augmentation 在实验中...
Yolox-Nano是Yolox系列最小的结构,网络参数只有0.91M。 此处放上netron打开的,Yolox-Nano网络结构可视图,点击即可查看。 (2)Yolox-Tiny 此处放上Yolox-Tiny网络结构可视图,点击即可查看。 (3)Yolox-Darknet53 Yolox-Darknet53是在Yolov3的基础上,进行的改进,也是后面主要介绍的网络结构。 此处放上Yolox-Dark...
YOLOX-Tiny 和 YOLOX-Nano (只有0.91M参数 和 1.08G FLOPs) 分别比对应的 YOLOv4-Tiny 和 NanoDet 性能好 (AP值) 10% 和 1.8%。 2. 方法 2.1 YOLOX-DarkNet53 作者选择了 YOLOv3 和 Darknet53 作为 baseline。接下来将逐步介绍 YOLOX 的整个系统设计。 Implementation details 从baseline 到最终的模型...
因此作者针对Yolov4-Tiny,构建了Yolox-Tiny网络结构。 针对FCOS 风格的NanoDet,构建了Yolox-Nano网络结构。 从上表可以看出: (1)和Yolov4-Tiny相比,Yolox-Tiny在参数量下降1M的情况下,AP值实现了9个点的涨点。 (2)和NanoDet相比,Yolox-Nano在参数量下降,仅有0.91M的情况下,实现了1.8个点的涨点。 (3)因...
Tiny和Nano检测器 我们进一步缩小了模型成为YOLOX-Tiny来与YOLOv4-Tiny比较。对于移动设备,我们采用深度方向卷积来构建YOLOX-Nano,仅0.91M参数和1.08FLOPs。如下表所示,YOLOX在更小模型尺寸下比对应模型表现更好。 模型尺寸和数据增强 我们的实验中,所有模型保证几乎相同的学习策略和优化参数,如2.1所描述。但是,我们发...
本文的Yolox算法,也从这个角度出发,将Yolox模型,变为多种可选配的网络,比如标准网络结构和轻量级网络结构。 (1)标准网络结构:Yolox-s、Yolox-m、Yolox-l、Yolox-x、Yolox-Darknet53。 (2)轻量级网络结构:Yolox-Nano、Yolox-Tiny。 在实际的项目中,大家可以根据不同项目需求,进行挑选使用。 3.2 Yolox基础...
Yolox-Nano是Yolox系列最小的结构,网络参数只有0.91M。 此处放上netron打开的,Yolox-Nano网络结构可视图的地址,点击查看。 https://blog.csdn.net/nan355655600/article/details/119329864 (2)Yolox-Tiny 此处放上Yolox-Tiny网络结构可视图的地址,点击查看。
Yolox-Nano是Yolox系列最小的结构,网络参数只有0.91M。 (2)Yolox-Tiny (3)Yolox-Darknet53 Yolox-Darknet53是在Yolov3的基础上,进行的改进,也是后面主要介绍的网络结构。 (4)Yolox-s Yolox-s是在Yolov5-s的基础上,进行的改进,也是后面主要介绍的网络结构。
研究者还在小尺寸上测试所设计的策略,YOLOX-Tiny 和 YOLOX-Nano(仅 0.91M 参数和 1.08G FLOPs)分别比对应的 YOLOv4-Tiny 和 NanoDet3 高出 10% AP 和 1.8% AP。 在CVPR 2021 WAD 挑战赛的 Streaming Perception Challenge 赛道上,旷视提出的基于 YOLOX 模型(YOLOX-L)的 2D 实时目标检测系统在 Argoverse...