原文发表在知乎，辛苦移步～～　《基于coco和kitti数据集训练YOLOX》

yolox官方的指标数据是在coco数据集上训练出来的，yolox-s模型在11万coco数据集上训练后，mAP(0.5-0.95)=40.5。手头有kitti的数据集，所以在kitti上进行了复现，发现效果挺差的，所以就想着找一下原因，然后优化一下，过程步骤如下。

数据集：
coco，原始约11万训练集，0.5k测试集，共80个分类。由于训练资源和时间有限，我只使用了其中20%约2.3万训练集。测试集保持不变。类别也保持跟官方一致
kitti，我使用了3.7k的训练集，3.7k的测试集，使用了其中的3个分类（pedestrain，car，truck）,其中我把truck和van两个类别揉合在了一起统一叫truck，然后分别映射到coco80个类别中的(person, car, truck)
训练步骤：
１，版本１：下载最新yolox代码，在coco上进行复现论文指标，确保代码无问题。

此步的主要目标是复现，并作为base，由于数据只用了20%，所以没有达到官方0.405的指标，只达到了0.304。官方训练过程共300epoch，前285是打开数据增强，在最后15epoch关闭了数据增强，最后15epoch相当于针对性的进行了finetune。这个版本虽然没有用kitti数据进行训练，但在kitti评测集上的常规类别，例如人车，这些上面效果还可以。