【目标检测】yolov5与yolox对比

	yolov5	yolox-DarkNet53	yolox-SPP
输入端	Mosaic 自适应锚框计算自适应图片放缩	Mosaic 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)	增加了EMA权值更新 Cosine学习率机制增加了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	Focus结构 CSP结构	DarkNet53	yolov3_SPP
Neck	FPN+PAN结构	FPN	FPN
Head	训练时：GIOU_Loss 预测时：DIOU_Loss	Decoupled Head End-to-End yolo Anchor-free Multi positives	Strong augementation Decoupled Head anchor-free multi positives SimOTA

注：

在Neck部分：yolov4,yolov5,yolox-s,yolox-l中采用的时FPN+PAN
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）
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

版权声明：本文为CSDN博主「易水潇潇666」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/qq_40373651/article/details/121620653