README.md

# YOLOX

## 论文

https://arxiv.org/abs/2107.08430

## 模型结构

YOLOX是一种单阶段目标检测算法，该算法以YoloV3(Darknet53作为backbone)作为基线,在Decoupled Head，Data Aug，Anchor Free 和样本匹配(SimOTA)添加了一些新的改进思路，使其速度与精度都得到了极大的提升。


<img src=./Doc/yolox_model.png style="zoom:100%;" align=middle>

## 算法原理

YOLOX算法的改进简单总结主要有三点，decoupled head、anchor-free以及advanced label assigning strategy(SimOTA)。



## 环境配置

### Docker（方法一）

拉取镜像：

```shell
docker pull image.sourcefind.cn:5000/dcu/admin/base/migraphx:4.0.0-centos7.6-dtk23.04.1-py38-latest
```

创建并启动容器：

```shell
docker run --shm-size 16g --network=host --name=yolox_migraphx --privileged --device=/dev/kfd --device=/dev/dri --group-add video --cap-add=SYS_PTRACE --security-opt seccomp=unconfined -v $PWD/yolox_migraphx:/home/yolox_migraphx -it <Your Image ID> /bin/bash

# 激活dtk
source /opt/dtk/env.sh
```

### Dockerfile（方法二）

```shell
cd ./docker
docker build --no-cache -t yolox_migraphx:2.0 .

docker run --shm-size 16g --network=host --name=yolox_migraphx --privileged --device=/dev/kfd --device=/dev/dri --group-add video --cap-add=SYS_PTRACE --security-opt seccomp=unconfined -v $PWD/yolox_migraphx:/home/yolox_migraphx -it <Your Image ID> /bin/bash

# 激活dtk
source /opt/dtk/env.sh
```

## 数据集

根据提供的样本数据，进行目标检测。

## 推理

### Python版本推理

下面介绍如何运行Python代码示例，Python示例的详细说明见Doc目录下的Tutorial_Python.md。

#### 设置环境变量

```shell
export PYTHONPATH=/opt/dtk/lib:$PYTHONPATH
```

#### 安装依赖

```shell
# 进入python示例目录
cd <path_to_yolox_migraphx>/Python

# 安装依赖
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
```

#### 运行示例

YOLOX模型的推理示例程序是yolox_infer_migraphx.py，使用如下命令运行该推理示例：


1. 静态推理

```shell
python yolox_infer_migraphx.py --staticInfer
```



### C++版本推理

下面介绍如何运行C++代码示例，C++示例的详细说明见Doc目录下的Tutorial_Cpp.md。


#### 构建工程

```shell
rbuild build -d depend
```

#### 设置环境变量

将依赖库依赖加入环境变量LD_LIBRARY_PATH，在~/.bashrc中添加如下语句：

```shell
export LD_LIBRARY_PATH=<path_to_yolox_migraphx>/depend/lib64/:$LD_LIBRARY_PATH
```

然后执行:

```shell
source ~/.bashrc
```

#### 运行示例

YOLOX示例程序编译成功后，执行如下指令运行该示例：

```shell
# 进入yolox migraphx工程根目录
cd <path_to_yolox_migraphx>

# 进入build目录
cd build/
```

1. 静态推理

```shell
./YOLOX 0
```


## result

### Python版本

静态推理：

python程序运行结束后，会在当前目录生成YOLOX静态推理检测结果可视化图像。

<img src="./Resource/Images/image_test_python.jpg" alt="Result" style="zoom: 50%;" />


### C++版本

静态推理：

C++程序运行结束后，会在build目录生成YOLOX静态推理检测结果可视化图像。

<img src="./Resource/Images/Result_cpp.jpg" alt="Result" style="zoom:50%;" />



### 精度

无

## 应用场景

### 算法类别

`目标检测`

### 热点应用行业

`交通`,`教育`,`化工`

## 源码仓库及问题反馈

https://developer.hpccube.com/codes/modelzoo/yolox_migraphx

## 参考资料

https://github.com/Megvii-BaseDetection/YOLOX