简介：在本报告中，我们介绍了YOLO系列的一些经验性改进，形成了新的高性能探测器—YOLOX。 我们将YOLO检测器切换到无锚方式并进行其他高级检测技术，即解耦头和前导标签分配策略，在大规模模型范围内实现最先进的结果：对于只有0.91M参数和1.08GFLOPs的 YOLONano，我们在COCO上获得25.3%AP，超过NanoDet1.8%AP；对于业界使用最广泛的检测器之一YOLOv3，我们在COCO上将其提升至47.3%AP，比当前最佳实践高3.0%AP； 用于YOLOX-L参数数量与YOLOv4大致相同，YOLOv5-L，我们在COCO上实现了50.0%AP，在Tesla V100的速度为68.9 FPS，超过YOLOv5-L1.8%的AP。 此外，我们使用单个YOLOX-L模型，获得了流媒体感知挑战第一名。

代码下载：https://github.com/Megvii-BaseDetection/YOLOX

论文下载：https://arxiv.org/pdf/2107.08430v1.pdf

内容中包含的图片若涉及版权问题，请及时与我们联系删除