作者：王浩，3D視覺開發(fā)者社區(qū)簽約作者，畢業(yè)于北京航空航天大學(xué)，人工智能領(lǐng)域優(yōu)質(zhì)創(chuàng)作者，CSDN博客認(rèn)證專家。

編輯：3D視覺開發(fā)者社區(qū)

摘要

YOLOX: Exceeding YOLO Series in 2021

•代碼：https://github.com/Megvii-BaseDetection/YOLOX•論文：https://arxiv.org/abs/2107.08430

YOLOX 是曠視開源的高性能檢測(cè)器。曠視的研究者將解耦頭、數(shù)據(jù)增強(qiáng)、無(wú)錨點(diǎn)以及標(biāo)簽分類等目標(biāo)檢測(cè)領(lǐng)域的優(yōu)秀進(jìn)展與 YOLO 進(jìn)行了巧妙的集成組合，提出了 YOLOX，不僅實(shí)現(xiàn)了超越 YOLOv3、YOLOv4 和 YOLOv5 的 AP，而且取得了極具競(jìng)爭(zhēng)力的推理速度。如下圖：

其中YOLOX-L版本以 68.9 FPS 的速度在 COCO 上實(shí)現(xiàn)了 50.0% AP，比 YOLOv5-L 高出 1.8% AP！還提供了支持 ONNX、TensorRT、NCNN 和 Openvino 的部署版本，本文將詳細(xì)介紹如何使用 YOLOX進(jìn)行物體檢測(cè)。

一、 配置環(huán)境

本機(jī)的環(huán)境：

1.1 下載源碼

GitHub地址：https://github.com/Megvii-BaseDetection/YOLOX，下載完成后放到D盤根目錄，然后用PyCharm打開。

1.2 安裝依賴包

點(diǎn)擊“Terminal”,如下圖，

然后執(zhí)行下面的命令，安裝所有的依賴包。

pip install -r requirements.txt

1.3 安裝yolox

python setup.py install

看到如下信息，則說明安裝完成了

1.4 安裝apex

APEX是英偉達(dá)開源的，完美支持PyTorch框架，用于改變數(shù)據(jù)格式來減小模型顯存占用的工具。其中最有價(jià)值的是amp（Automatic Mixed Precision），將模型的大部分操作都用Float16數(shù)據(jù)類型測(cè)試，一些特別操作仍然使用Float32。并且用戶僅僅通過三行代碼即可完美將自己的訓(xùn)練代碼遷移到該模型。實(shí)驗(yàn)證明，使用Float16作為大部分操作的數(shù)據(jù)類型，并沒有降低參數(shù)，在一些實(shí)驗(yàn)中，反而由于可以增大Batch size，帶來精度上的提升，以及訓(xùn)練速度上的提升。

安裝步驟：

1) 到官網(wǎng)下載apex，地址：mirrors / nvidia / apex · CODE CHINA (csdn.net)^[1]

2) 下載完成后，解壓后，在Shell里，進(jìn)入到apex-master中。

3) 執(zhí)行安裝命令

pip install -r requirements.txt
   python setup.py install

看到如下log，則表明安裝成功。

1.5 安裝pycocotools

pip install pycocotools

注：如果出現(xiàn)環(huán)境問題，可以參考博客：https://blog.csdn.net/hhhhhhhhhhwwwwwwwwww/article/details/105858384

1.6 驗(yàn)證環(huán)境

下載預(yù)訓(xùn)練模型，本文選用的是YOLOX-s，下載地址：https://github.com/Megvii-BaseDetection/YOLOX/releases/download/0.1.1rc0/yolox_s.pth。

下載完成后，將預(yù)訓(xùn)練模型放到工程的根目錄，如下圖：

然后驗(yàn)證環(huán)境，執(zhí)行：

python tools/demo.py image -f exps/default/yolox_s.py -c ./yolox_s.pth --path assets/dog.jpg --conf 0.3 --nms 0.65 --tsize 640 --save_result --device gpu

參數(shù)說明

查看運(yùn)行結(jié)果：

看到上圖說明環(huán)境沒有問題了。

二、 制作數(shù)據(jù)集

數(shù)據(jù)集我們采用VOC數(shù)據(jù)集，原始數(shù)據(jù)集是Labelme標(biāo)注的數(shù)據(jù)集。下載地址：https://pan.baidu.com/s/1kj-diqEK2VNVqd2n4ROa5g （提取碼rrnz）

新建labelme2voc.py文件

import os
from typing import List, Any
import numpy as np
import codecs
import json
from glob import glob
import cv2
import shutil
from sklearn.model_selection import train_test_split


# 1.標(biāo)簽路徑


labelme_path = "LabelmeData/"  # 原始labelme標(biāo)注數(shù)據(jù)路徑
saved_path = "VOC2007/"  # 保存路徑
isUseTest = True  # 是否創(chuàng)建test集
# 2.創(chuàng)建要求文件夾
if not os.path.exists(saved_path + "Annotations"):
    os.makedirs(saved_path + "Annotations")
if not os.path.exists(saved_path + "JPEGImages/"):
    os.makedirs(saved_path + "JPEGImages/")
if not os.path.exists(saved_path + "ImageSets/Main/"):
    os.makedirs(saved_path + "ImageSets/Main/")
# 3.獲取待處理文件
files = glob(labelme_path + "*.json")
files = [i.replace("\\", "/").split("/")[-1].split(".json")[0] for i in files]
print(files)
# 4.讀取標(biāo)注信息并寫入 xml
for json_file_ in files:
    json_filename = labelme_path + json_file_ + ".json"
    json_file = json.load(open(json_filename, "r", encoding="utf-8"))
    height, width, channels = cv2.imread(labelme_path + json_file_ + ".jpg").shape
with codecs.open(saved_path + "Annotations/" + json_file_ + ".xml", "w", "utf-8") as xml:
        xml.write('\n')
        xml.write('\t' + 'WH_data' + '\n')
        xml.write('\t' + json_file_ + ".jpg" + '\n')
        xml.write('\t\n')
        xml.write('\t\tWH Data\n')
        xml.write('\t\tWH\n')
        xml.write('\t\tflickr\n')
        xml.write('\t\tNULL\n')
        xml.write('\t\n')
        xml.write('\t\n')
        xml.write('\t\tNULL\n')
        xml.write('\t\tWH\n')
        xml.write('\t\n')
        xml.write('\t\n')
        xml.write('\t\t' + str(width) + '\n')
        xml.write('\t\t' + str(height) + '\n')
        xml.write('\t\t' + str(channels) + '\n')
        xml.write('\t\n')
        xml.write('\t\t0\n')
for multi in json_file["shapes"]:
            points = np.array(multi["points"])
            labelName = multi["label"]
            xmin = min(points[:, 0])
            xmax = max(points[:, 0])
            ymin = min(points[:, 1])
            ymax = max(points[:, 1])
            label = multi["label"]
if xmax <= xmin:
pass
elif ymax <= ymin:
pass
else:
                xml.write('\t\n') print(json_filename, xmin, ymin, xmax, ymax, label) xml.write('') # 5.復(fù)制圖片到 VOC2007/JPEGImages/下 image_files = glob(labelme_path + "*.jpg") print("copy image files to VOC007/JPEGImages/") for image in image_files: shutil.copy(image, saved_path + "JPEGImages/") # 6.split files for txt txtsavepath = saved_path + "ImageSets/Main/" ftrainval = open(txtsavepath + '/trainval.txt', 'w') ftest = open(txtsavepath + '/test.txt', 'w') ftrain = open(txtsavepath + '/train.txt', 'w') fval = open(txtsavepath + '/val.txt', 'w') total_files = glob("./VOC2007/Annotations/*.xml") total_files = [i.replace("\\", "/").split("/")[-1].split(".xml")[0] for i in total_files] trainval_files = [] test_files = [] if isUseTest: trainval_files, test_files = train_test_split(total_files, test_size=0.15, random_state=55) else: trainval_files = total_files for file in trainval_files: ftrainval.write(file + "\n") # split train_files, val_files = train_test_split(trainval_files, test_size=0.15, random_state=55) # train for file in train_files: ftrain.write(file + "\n") # val for file in val_files: fval.write(file + "\n") for file in test_files: print(file) ftest.write(file + "\n") ftrainval.close() ftrain.close() fval.close() ftest.close()




運(yùn)行上面的代碼就可以得到VOC2007數(shù)據(jù)集。如下圖所示：


VOC的目錄如下，所以要新建data/VOCdevkit目錄，然后將上面的結(jié)果復(fù)制進(jìn)去