yolov5yolox-DarkNet53yolox-SPP
输入端
  1. Mosaic
  2. 自适应锚框计算
  3. 自适应图片放缩
  1. Mosaic
  2. MixUp

(注：epoch=15时这两种数据增强方式关闭，由于这种增强效果更好，ImageNet的预训练无意义)
  1. 增加了EMA权值更新
  2. Cosine学习率机制
  3. 增加了RandomHorizantalFlip,ColorJitter,多尺度数据增广，马赛克数据增强，不执行RandomResizedCrop，因为与马赛克重叠
backbone
  1. Focus结构
  2. CSP结构
  1. DarkNet53
  1. yolov3_SPP
Neck        FPN+PAN结构
  1. FPN
  1. FPN
Head
  1. 训练时：GIOU_Loss
  2. 预测时：DIOU_Loss
  1. Decoupled Head
  2. End-to-End yolo
  3. Anchor-free
  4. Multi positives
  1. Strong augementation
  2. Decoupled Head
  3. anchor-free
  4. multi positives
  5. SimOTA

注：

  1. 在Neck部分：yolov4,yolov5,yolox-s,yolox-l中采用的时FPN+PAN
  2. 在yolox-SPP中，选用的是最基本的yolov3-SPP,如果采用yolov3_ultralytics的yolov3-SPP+四种trick（除strong augementation，因为在此版本代码中已经改进）
  3. 参考一篇比较好的：深入浅出Yolo系列之Yolox核心基础完整讲解|yolo|yolov5|yolov4|算法
# python # 深度学习 # 目标检测
Logo
华为云开发者空间

华为开发者空间，是为全球开发者打造的专属开发空间，汇聚了华为优质开发资源及工具，致力于让每一位开发者拥有一台云主机，基于华为根生态开发、创新。

更多推荐

cover

GaussDB关键技术原理|高可用：逻辑复制

avatar 华为云开发者空间
cover

日程管理多源归一，服务场景一键直达

avatar 华为云开发者空间
cover

全国首届化工行业人工智能大赛

avatar 华为云开发者空间