原文發表在知乎，辛苦移步～～ 《基于coco和kitti數據集訓練YOLOX》
yolox官方的指標數據是在coco數據集上訓練出來的，yolox-s模型在11萬coco數據集上訓練后，mAP(0.5-0.95)=40.5。手頭有kitti的數據集，所以在kitti上進行了復現，發現效果挺差的，所以就想著找一下原因，然后優化一下，過程步驟如下。
數據集：
coco，原始約11萬訓練集，0.5k測試集，共80個分類。由于訓練資源和時間有限，我只使用了其中20%約2.3萬訓練集。測試集保持不變。類別也保持跟官方一致
kitti，我使用了3.7k的訓練集，3.7k的測試集，使用了其中的3個分類（pedestrain，car，truck）,其中我把truck和van兩個類別揉合在了一起統一叫truck，然后分別映射到coco80個類別中的(person, car, truck)
訓練步驟：
１，版本１：下載最新yolox代碼，在coco上進行復現論文指標，確保代碼無問題。
此步的主要目標是復現，并作為base，由于數據只用了20%，所以沒有達到官方0.405的指標，只達到了0.304。官方訓練過程共300epoch，前285是打開數據增強，在最后15epoch關閉了數據增強，最后15epoch相當于針對性的進行了finetune。這個版本雖然沒有用kitti數據進行訓練，但在kitti評測集上的常規類別，例如人車，這些上面效果還可以。
