整個YOLOX原始碼的學習一定要按照以下順序才能整體串起來：Backbone->FPN->Head->->資料讀入原始碼->資料增強原始碼->loss計算原始碼->simOTA原始碼->demo.py腳本->train.py腳本，而該系列博文也遵循該順序來逐行分析代碼，注意是逐行，包括python語法，tensor維度和逐行代碼的作用及應用，其實網路結構本沒有任何神秘的地方，都是一些模塊堆疊起來的，你完全可以沒有任何理由的修改任何一個模塊，看完這個系列后自己完全可以隨便的去對任何網路結構做手腳，而不僅僅局限于一個調參者，
本篇講的是YOLOX中的mixup資料增強，其程序就是將兩張圖縮放，翻轉或mosaic資料增強后按一定比例混合，同時將gtbox進行混合，代碼只有六七十行，是這個系列最簡單的一節，
將YOLOX中mixup增強的代碼定位到yolox\data\datasets\mosaicdetection.py的mixup()方法，該方法中，origin_img引數代表mosaic增強后的影像，origin_labels引數代表mosaic增強后的標簽，input_dim引數代表預設的輸入尺寸，如(640, 640)，
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/423952.html
標籤：AI
上一篇：3D小紅花的繪制原理