전체 YOLOX 소스 코드는 다음 순서로 학습해야 합니다. Backbone->FPN->Head->->데이터 읽기 소스 코드->데이터 향상 소스 코드->손실 계산 소스 코드->simOTA 소스 코드->demo.py 스크립트 ->train.py 스크립트. 그리고 이 일련의 블로그 게시물은 코드를 한 줄씩 분석하는 순서를 따릅니다. 파이썬 구문, 텐서 차원, 라인 바이 라인 코드의 역할과 적용을 포함하여 라인 바이 라인이라는 점에 유의하십시오. 사실 네트워크 구조에는 미스터리가 없다.어떤 모듈은 겹겹이 쌓여 있다.어떤 모듈이든 아무 이유 없이 수정할 수 있다. 이 시리즈를 읽고 나면 하나의 매개변수 조정기에 국한되지 않고 모든 네트워크 구조를 마음대로 사용할 수 있습니다.
이 글은 YOLOX에서 PAFPN과 같은 구조를 구축하는 방법에 관한 것인데, 그 전에 첫 번째 글을 먼저 읽어야 합니다.
위 그림은 YOLOX FPN 구조의 구현도이며 노란색 글씨는 코드의 중간변수로 이해하기 쉽습니다. 차원은 yolox_s 네트워크가 사용될 때 전체 네트워크의 출력 특성 차원입니다. 먼저 yolox\models\yolo_pafpn.py 를 엽니다 . 전체 FPN의 공식 구현 프로세스는 다음과 같은 코드만 있으며 이는 매우 간단하다고 할 수 있습니다. 간단한 명령문에는 직접 주석이 달려 있습니다.
import torch
import to