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Head的loss計算及反傳,是YOLOX最核心的部分,本節圖比較少,代碼量很足,首先將代碼定位到yolox\models\yolo_head.py中橘色框,我們從這里開始:

轉載請註明出處,本文鏈接:https://www.uj5u.com/qita/423978.html
標籤:AI
