YOLOX简介
YOLOX是一个anchor-free 版本的YOLO，设计更简单，但性能更好
左侧图代表模型的速度-精度权衡
右侧图代表在移动设备上的精简版模型的尺寸-精度曲线
项目环境
#直接pip就好了 pip install -r requirements
项目结构
项目的整体代码结构就是这样子的
YOLOX-MAIN ├─assets ├─datasets ├─demo │ ├─MegEngine │ │ ├─cpp │ │ └─python │ │ └─models │ ├─ncnn │ │ ├─android │ │ │ ├─app │ │ │ │ └─src │ │ │ │ └─main │ │ │ │ ├─assets │ │ │ │ ├─java │ │ │ │ │ └─com │ │ │ │ │ └─megvii │ │ │ │ │ └─yoloXncnn │ │ │ │ ├─jni │ │ │ │ └─res │ │ │ │ ├─layout │ │ │ │ └─values │ │ │ └─gradle │ │ │ └─wrapper │ │ └─cpp │ ├─ONNXRuntime │ ├─OpenVINO │ │ ├─cpp │ │ └─python │ └─TensorRT │ ├─cpp │ └─python ├─docs │ ├─demo │ └─_static │ └─css ├─exps │ ├─default │ └─example │ ├─custom │ └─yolox_voc ├─tests │ └─utils ├─tools └─yolox ├─core ├─data │ └─datasets ├─evaluators ├─exp │ └─default ├─layers │ └─cocoeval ├─models ├─tools └─utils
1. assets
这个文件夹就是存放一些项目里用到的图片的
2. datasets
这个文件夹就是存放你数据集的文件夹
我这里顺便放上COCO数据集的下载地址https://cocodataset.org
3. demo
这个文件夹是用来存放一些部署用到的文件的，里面提供了C、Python、android版本
4. doc
这个文件夹里面放了各种的md文件，md文件内容包括安装、训练、验证、模型的参数、训练尺度的选择、更新日志等
5. exps
这个文件夹里放置不同尺寸模型的配置文件，yolos\m\l\x最主要的区别就是模型深度和宽度差别
example文件夹里面也给出了一些例子，除了深度宽度以外还有数据集类别，预热参数和数据增强等信息
6. tests
这个就是用来测试模型的文件，运行后就可以显示测试结果
7. tools
这文件夹里面就是一些常用的工具，包括训练、验证、模型转换等
8. yolox
8.1 core
就是一些加载用到的文件
8.2 data
里面主要是处理数据和对数据进行增强的文件
8.3 evaluators
主要是模型评估验证时用到的一些文件
8.4 exp
8.5 layers
这放了一些对COCO数据集快速验证的api文件
8.6 models
模型的主要结构代码，主要包括backbone、loss、fpn等
8.7 tools
用于安装包的一个工具文件
8.8 utils
这里面就是放一些工具文件
测试一下
介绍完结构以后我们可以通过如下指令来测试一下项目
python tools/demo.py image -f exps/default/yolox_s.py -c yolox_s.pth --path assets/dog.jpg --conf 0.25 --nms 0.45 --tsize 640 --save_result --device gpu
视频测试指令：(注意更改路径)
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]
如果没问题就会在根目录下生成如下的文件夹
Q1：No module named yolox
A：在demo.py的from yolox.data.data_augment import ValTransform上加入如下代码，路径要改成自己的路径
import sys sys.path.append(r'D:\Pycharm_Projects\YOLOX-main')
