0
点赞
收藏
分享

微信扫一扫

深度学习论文: YOLOX-PAI: An Improved YOLOX, Stronger and Faster than YOLOv6及其PyTorch实现


深度学习论文: YOLOX-PAI: An Improved YOLOX, Stronger and Faster than YOLOv6及其PyTorch实现
YOLOX-PAI: An Improved YOLOX, Stronger and Faster than YOLOv6
PDF: ​​​https://arxiv.org/pdf/2208.13040.pdf​​​ PyTorch代码: ​​https://github.com/shanglianlm0525/CvPytorch​​ PyTorch代码: ​​https://github.com/shanglianlm0525/PyTorch-Networks​​

1 概述

针对YOLOX,加入诸多改进技巧的复现和探索,进一步提升了YOLOX的性能,在速度和精度上都比现阶段的40~50mAP 的SOTA的YOLOv6更胜一筹。

深度学习论文: YOLOX-PAI: An Improved YOLOX, Stronger and Faster than YOLOv6及其PyTorch实现_人工智能

2 YOLOX-PAI

2-1 Backbone

继续使用 RepVGG backbone

2-2 Neck

采用ASFF_Sim + GSConv来提升性能的同时降低计算量。仅将Neck的部分用GSConv

深度学习论文: YOLOX-PAI: An Improved YOLOX, Stronger and Faster than YOLOv6及其PyTorch实现_pytorch_02

2-3 Head

TOOD-Head结构,当Inter conv堆叠数为2或者3时,使用repvgg-based convolution可以提升一定性能,但是当堆叠数较大时,会降低性能。

深度学习论文: YOLOX-PAI: An Improved YOLOX, Stronger and Faster than YOLOv6及其PyTorch实现_sed_03

2-4 Loss

在YOLOX上引入SIoU训练模型的确能加快模型的收敛速度,但在最终精度上使用GIoU[11]性能达到最优。

3 Experiments

深度学习论文: YOLOX-PAI: An Improved YOLOX, Stronger and Faster than YOLOv6及其PyTorch实现_pytorch_04


举报

相关推荐

0 条评论