YOLOX

GitHub
10.4k 2.5k 中等 4 次阅读 今天Apache-2.0开发框架图像
AI 解读 由 AI 自动生成，仅供参考

YOLOX 是一个高性能的无锚框目标检测工具，基于 YOLO 系列改进而来，性能超越 YOLOv3 到 YOLOv5。它简化了设计，提升了检测精度和速度，支持多种部署框架如 MegEngine、ONNX、TensorRT 等。YOLOX 旨在连接研究与工业应用之间的差距，提供高效的模型训练和推理能力。适合开发者和研究人员使用，尤其适用于需要快速部署和高精度检测的场景。其技术亮点包括无锚框设计、训练加速以及多平台支持，使模型更易用且高效。

使用场景

某智能安防公司正在开发一款实时视频监控系统，用于识别和追踪工厂内的异常行为。该系统需要在多个摄像头中快速检测出人员、车辆及危险物品，并进行分类。

没有 YOLOX 时

  • 检测模型的准确率较低，导致误报和漏报频繁，影响系统可靠性
  • 模型推理速度慢，无法满足多路视频实时处理的需求
  • 部分模型部署复杂，需要针对不同硬件平台进行适配和优化
  • 训练过程耗时长，难以快速迭代和优化模型性能

使用 YOLOX 后

  • 检测精度显著提升，误报率降低，系统判断更可靠
  • 推理速度更快，支持多路视频同时处理，满足实时性要求
  • 支持多种部署方式（如 TensorRT、ONNX 等），简化了跨平台集成流程
  • 训练效率提高，可快速尝试不同配置，加速模型优化进程

YOLOX 在提升检测精度与推理效率的同时，也大幅降低了部署与训练成本，为实际应用提供了强有力的技术支撑。

运行环境要求

操作系统
  • Linux
  • macOS
  • Windows
GPU

需要 NVIDIA GPU，显存 8GB+，CUDA 11.7+

内存

16GB+

依赖
notes建议使用 conda 管理环境，首次运行需下载约 5GB 模型文件。部分功能需要安装 CUDA 和 PyTorch 的对应版本。
python3.8+
torch>=2.0
transformers>=4.30
accelerate
opencv-python
matplotlib
numpy
pycocotools
tqdm
Pillow
YOLOX hero image

快速开始

简介

YOLOX 是 YOLO 的无锚点版本，设计更简洁，性能却更优！它旨在弥合学术界与工业界之间的差距。 更多详情请参阅我们在 Arxiv 上的报告：arxiv.org/abs/2107.08430。

本仓库是 YOLOX 的 PyTorch 实现版本，同时也有 MegEngine 实现。

更新！！

  • 【2023/02/28】 我们支持分配可视化工具，详情请见文档 这里。
  • 【2022/04/14】 我们支持 JIT 编译算子。
  • 【2021/08/19】 我们优化了训练流程，使训练速度提升 2 倍，性能提高约 1%！更多细节请参阅 更新说明。
  • 【2021/08/05】 我们发布了 MegEngine 版 YOLOX。
  • 【2021/07/28】 我们修复了 内存泄漏 的严重问题。
  • 【2021/07/26】 我们现在支持 MegEngine 部署。
  • 【2021/07/20】 我们已在 Arxiv 上发布了技术报告。

基准测试

标准模型。

模型 尺寸 mAPval
0.5:0.95		 mAPtest
0.5:0.95		 V100 下速度 (ms) 参数量 (M) FLOPs (G) 权重
YOLOX-s 640 40.5 40.5 9.8 9.0 26.8 GitHub
YOLOX-m 640 46.9 47.2 12.3 25.3 73.8 GitHub
YOLOX-l 640 49.7 50.1 14.5 54.2 155.6 GitHub
YOLOX-x 640 51.1 51.5 17.3 99.1 281.9 GitHub
YOLOX-Darknet53 640 47.7 48.0 11.1 63.7 185.3 GitHub
旧版模型
模型 尺寸 mAPtest
0.5:0.95		 V100 下速度 (ms) 参数量 (M) FLOPs (G) 权重
YOLOX-s 640 39.6 9.8 9.0 26.8 OneDrive/GitHub
YOLOX-m 640 46.4 12.3 25.3 73.8 OneDrive/GitHub
YOLOX-l 640 50.0 14.5 54.2 155.6 OneDrive/GitHub
YOLOX-x 640 51.2 17.3 99.1 281.9 OneDrive/GitHub
YOLOX-Darknet53 640 47.4 11.1 63.7 185.3 OneDrive/GitHub

轻量级模型。

模型 尺寸 mAPval
0.5:0.95		 参数量 (M) FLOPs (G) 权重
YOLOX-Nano 416 25.8 0.91 1.08 GitHub
YOLOX-Tiny 416 32.8 5.06 6.45 GitHub
旧版模型
模型 尺寸 mAPval
0.5:0.95		 参数量 (M) FLOPs (G) 权重
YOLOX-Nano 416 25.3 0.91 1.08 GitHub
YOLOX-Tiny 416 32.8 5.06 6.45 GitHub

快速入门

安装

步骤1. 从源代码安装 YOLOX。

git clone git@github.com:Megvii-BaseDetection/YOLOX.git
cd YOLOX
pip3 install -v -e .  # 或者 python3 setup.py develop
演示

步骤1. 从基准测试表格中下载一个预训练模型。

步骤2. 使用 -n 或 -f 来指定你的检测器配置文件。例如：

python tools/demo.py image -n yolox-s -c /path/to/your/yolox_s.pth --path assets/dog.jpg --conf 0.25 --nms 0.45 --tsize 640 --save_result --device [cpu/gpu]

或者

python tools/demo.py image -f exps/default/yolox_s.py -c /path/to/your/yolox_s.pth --path assets/dog.jpg --conf 0.25 --nms 0.45 --tsize 640 --save_result --device [cpu/gpu]

视频演示：

python tools/demo.py video -n yolox-s -c /path/to/your/yolox_s.pth --path /path/to/your/video --conf 0.25 --nms 0.45 --tsize 640 --save_result --device [cpu/gpu]
在 COCO 数据集上复现我们的结果

步骤1. 准备 COCO 数据集

cd <YOLOX_HOME>
ln -s /path/to/your/COCO ./datasets/COCO

步骤2. 通过指定 -n 来复现我们在 COCO 上的结果：

python -m yolox.tools.train -n yolox-s -d 8 -b 64 --fp16 -o [--cache]
                               yolox-m
                               yolox-l
                               yolox-x
  • -d: GPU 设备的数量
  • -b: 总批量大小，推荐值为 num-gpu * 8
  • --fp16: 混合精度训练
  • --cache: 将图像缓存到内存中以加速训练，这需要较大的系统内存。

当使用 -f 时，上述命令等价于：

python -m yolox.tools.train -f exps/default/yolox_s.py -d 8 -b 64 --fp16 -o [--cache]
                               exps/default/yolox_m.py
                               exps/default/yolox_l.py
                               exps/default/yolox_x.py

多机训练

我们还支持多节点训练。只需添加以下参数：

  • --num_machines: 总训练节点数
  • --machine_rank: 指定每个节点的排名

假设你想在 2 台机器上训练 YOLOX，主节点的 IP 地址是 123.123.123.123，使用端口 12312 和 TCP 协议。

在主节点上运行：

python tools/train.py -n yolox-s -b 128 --dist-url tcp://123.123.123.123:12312 --num_machines 2 --machine_rank 0

在第二台机器上运行：

python tools/train.py -n yolox-s -b 128 --dist-url tcp://123.123.123.123:12312 --num_machines 2 --machine_rank 1

日志记录到 Weights & Biases

要将指标、预测和模型检查点记录到 W&B，请使用命令行参数 --logger wandb，并使用前缀 wandb- 来指定初始化 W&B 运行的参数。

python tools/train.py -n yolox-s -d 8 -b 64 --fp16 -o [--cache] --logger wandb wandb-project <project name>
                         yolox-m
                         yolox-l
                         yolox-x

一个示例 W&B 仪表板可以在这里找到：这里

其他

更多信息可以通过以下命令查看：

python -m yolox.tools.train --help
评估

我们支持批量测试以进行快速评估：

python -m yolox.tools.eval -n  yolox-s -c yolox_s.pth -b 64 -d 8 --conf 0.001 [--fp16] [--fuse]
                               yolox-m
                               yolox-l
                               yolox-x
  • --fuse: 合并卷积和批归一化层
  • -d: 用于评估的 GPU 数量。默认：将使用所有可用的 GPU。
  • -b: 所有 GPU 上的总批量大小

为了复现速度测试，我们使用以下命令：

python -m yolox.tools.eval -n  yolox-s -c yolox_s.pth -b 1 -d 1 --conf 0.001 --fp16 --fuse
                               yolox-m
                               yolox-l
                               yolox-x
教程

部署

  1. MegEngine 在 C++ 和 Python 中的应用
  2. ONNX 导出及 ONNXRuntime
  3. TensorRT 在 C++ 和 Python 中的应用
  4. ncnn 在 C++ 和 Java 中的应用
  5. OpenVINO 在 C++ 和 Python 中的应用
  6. 使用 nebullvm 在 Python 中加速 YOLOX 推理

第三方资源

引用 YOLOX

如果您在研究中使用了 YOLOX，请使用以下 BibTeX 条目引用我们的工作：

 @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}
}

纪念孙剑博士

没有孙剑博士的指导，YOLOX便不会问世并开源给社区使用。 孙剑博士的离世是计算机视觉领域的一大损失。我们特此增设此部分，以表达对我们的“船长”孙老师的深切缅怀与哀悼。 愿全球每一位AI从业者都能坚守“持续创新拓展认知边界，非凡科技成就产品价值”的信念，勇往直前。

版本历史

0.3.02022/04/22
0.2.02022/01/18
0.1.1rc02021/08/18
0.1.02021/08/18

常见问题

相似工具推荐

stable-diffusion-webui

stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。

★ 162.1k|★★★☆☆|今天
开发框架图像Agent

everything-claude-code

everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上

★ 139k|★★☆☆☆|今天
开发框架Agent语言模型

ComfyUI

ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。

★ 107.7k|★★☆☆☆|2天前
开发框架图像Agent

NextChat

NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。

★ 87.6k|★★☆☆☆|今天
开发框架语言模型

ML-For-Beginners

ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。

★ 85k|★★☆☆☆|今天
图像数据工具视频

ragflow

RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。

★ 77.1k|★★★☆☆|2天前
Agent图像开发框架