| yolov5 | yolox-DarkNet53 | yolox-SPP | | 输入端 |
- Mosaic
- 自适应锚框计算
- 自适应图片放缩
|
- Mosaic
- MixUp
(注：epoch=15时这两种数据增强方式关闭，由于这种增强效果更好，ImageNet的预训练无意义) |
- 增加了EMA权值更新
- Cosine学习率机制
- 增加了RandomHorizantalFlip,ColorJitter,多尺度数据增广，马赛克数据增强，不执行RandomResizedCrop，因为与马赛克重叠
| | backbone |
- Focus结构
- CSP结构
|
- DarkNet53
|
- yolov3_SPP
| | Neck | ????????FPN+PAN结构 |
- FPN
|
- FPN
| | Head |
- 训练时：GIOU_Loss
- 预测时：DIOU_Loss
|
- Decoupled Head
- End-to-End yolo
- Anchor-free
- Multi positives
|
- Strong augementation
- Decoupled Head
- anchor-free
- multi positives
- SimOTA
|
注：
- 在Neck部分：yolov4,yolov5,yolox-s,yolox-l中采用的时FPN+PAN
- 在yolox-SPP中，选用的是最基本的yolov3-SPP,如果采用yolov3_ultralytics的yolov3-SPP+四种trick（除strong augementation，因为在此版本代码中已经改进）
- 参考一篇比较好的：深入浅出Yolo系列之Yolox核心基础完整讲解|yolo|yolov5|yolov4|算法
|