视觉检测图像分割干货

权重模型转推理模型的意义？ 方便部署：转为onnx格式的模型后，就可以不需要依赖mmdetection框架部署模型，同时也作为tensorRT格式的过渡模型。减少开销：onnx格式的模型占用GPU内存更小，更为精简，相比原始权重模型实际大小几乎

学习率(Learning rate，简称lr)作为目标检测这类监督学习中最重要的超参，其决定着分类函数或边界框回归函数能否收敛到局部最小值以及何时收敛到最小值。正确的学习率可使目标函数在合适的时间内收敛到局部最优。同时，学习率可以在训练的过程中

看到标题肯定会想到mmdecection配置文件中下面三个参数，在训练时这三个参数是需要根据数据集和不同的网络结构进行调整的，开门见山： anchor_scales=[8] anchor_ratios=[0.5, 1.0, 2.0] anch

整个YOLOX源码的学习一定要按照以下顺序才能整体串起来：Backbone->FPN->Head->->数据读入源码->数据增强源码->loss计算源码->simOTA源码->demo.py脚本->train.py脚本。而该系列博文也遵循该顺序

整个YOLOX源码的学习一定要按照以下顺序才能整体串起来：Backbone->FPN->Head->->数据读入源码->数据增强源码->loss计算源码->simOTA源码->demo.py脚本->train.py脚本。而该系列博文也遵循该顺序