通用实时检测模型

通用实时检测为目标检测的子任务，本模型为高性能通用实时检测模型，提供快速、精确的目标检测能力。

See the world fast and accurately!

模型描述

YOLOX为YOLO检测系列的最近增强版本。在实时通用检测模型中，YOLO系列模型获得显著的进步，大大地推动了社区的发展。YOLOX在原有YOLO系列的基础上，结合无锚点（anchor-free）设计，自动优化GT分配（SimOTA）策略，分类回归头解耦（Decoupling Head）等一系列前沿视觉检测技术，显著地提高了检测模型的准确度与泛化能力，将当前的目标检测水平推到了一个新的高度。本模型为YOLOX的小规模模型，基于公开数据集COCO训练，支持80类通用目标检测。

期望模型使用方式以及适用范围

• 日常通用检测场景目标定位与识别。
• 日常通用场景目标粗略计数。
• 作为其他日常场景算法的前置算法，如人体关键点检测，行为识别等。

如何使用

在ModelScope框架上，可以通过ModelScope的pipeline进行调用。

Now, you can play the model with a few line codes!

代码范例

from modelscope.pipelines import pipeline
from modelscope.utils.constant import Tasks
from modelscope.outputs import OutputKeys

realtime_detector = pipeline(Tasks.image_object_detection, model='damo/cv_cspnet_image-object-detection_yolox')
result = realtime_detector('https://modelscope.oss-cn-beijing.aliyuncs.com/test/images/keypoints_detect/000000438862.jpg')
# 打印 bbox
print(result[OutputKeys.BOXES])

模型局限性以及可能的偏差

• 对于小物体的检测在某些困难场景会存在效果差的情况，建议根据场景对检出小目标进行分数过滤。
• 目前模型仅限于pipeline调用，尚未支持finetune和evaluation。
• 复杂专用场景性能会产生显著下降，如复杂视角、超低光照以及严重遮挡等。
• 当前版本在Python 3.7环境测试通过，其他环境下可用性待测试。

训练数据介绍

本模型基于COCO数据集的目标检测部分数据及标注进行训练。COCO数据集的全称是Microsoft Common Objects in Context， 是一个评估计算机视觉模型性能的“黄金”标准基准数据集，旨在推动目标检测、实例分割、看图说话和人物关键点方面的研究。其中目标检测任务有90个日常常见类别，在学术研究中常用其中的80类作为基准的评测数据集。

模型训练流程

模型在线训练暂不支持。部分关键训练细节如下：

• 使用 SGD 优化算法，cos LR scheduler，warmup策略。
• 训练迭代为 300个 epoch，其中最后15个epoch关闭数据增强。
• Mosaic，颜色增强等策略被应用到训练预处理中。

输入预处理

• 输入图像根据长边resize到640后，padding 为640x640的矩形进行推理。
• 图像归一化。

数据评估及结果

Model	size	mAPval 0.5:0.95	mAPtest 0.5:0.95	Speed V100 (ms)	Params (M)	FLOPs (G)	weights
YOLOX	640	40.5	40.5	9.8	9.0	26.8	Official

引用

如您的相关著作、作品使用了该模型，请引用以下信息：

@article{yolox2021,
  title={{YOLOX}: Exceeding YOLO Series in 2021},
  author={Ge, Zheng and Liu, Songtao and Wang, Feng and Li, Zeming and Sun, Jian},
  journal={arXiv preprint arXiv:2107.08430},
  year={2021}
}