YOLOX训练自己的数据集

旷视的研究者将解耦头、数据增强、无锚点以及标签分类等目标检测领域的优秀进展与 YOLO 进行了巧妙地集成组合，提出了 YOLOX，不仅实现了超越 YOLOv3、YOLOv4 和 YOLOv5 的 AP，而且取得了极具竞争力的推理速度。

• 论文地址：https://arxiv.org/abs/2107.08430
• 项目地址：https://github.com/Megvii-BaseDetection/YOLOX

安装环境 

        按照作者给出的步骤就行。

自定义数据集

        官方文档

       1. 准好数据集，我用的是voc数据集，具体如图

        2.修改相关文件，这里有几个坑：

        1）在yolox/data/datasets/voc_classes.py修改自己数据集的分类

        2）yolox/data/datasets/voc.py中

        因为我只建了一个文件夹所以修改了下

        如果分类标签有大写的话修改一下这个，没有则可忽略

        int修改 为float否则会超出int范围，我的超出了。

        3）exps/example/yolox_voc/yolox_voc_s.py中

        否则会报找不到Exp这个类

        修改分类数

                                数据集文件

 3.剩余便可按文档开始训练，还有一点就是我用的pycharm远程连接服务器进行操作，路径就全部换成了绝对路径。

版权声明：本文为CSDN博主「Tangleet」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/Tangleet/article/details/119044860