通过git clone git@github.com:Megvii-BaseDetection/YOLOX.git或者下载方式获得旷世在github上共享的工程文件。

1. 虚拟环境创建

通过如下命令在conda下创建用于工程YOLOX的虚拟环境，假设虚拟环境为yolox

conda create -n yolox python=3.8

然后通过命令

conda activate yolox

进入yolox虚拟环境，接着下面的安装。

2. pycocotools的安装

在Linux环境下安装pycocotools只需要通过pip install pycocotools。但是在Windows上安装会出错，找不到相关的C++编译器，需要安装visual cpp build tools 2015，非常的麻烦。Windows一个最直接的方法采用如下命令安装：

pip install pycocotools-windows

3. 安装YOLOX工程需要的包

运行YOLOX工程需要安装必备包，必备的包在YOLOX工程的requirements.txt中，在虚拟环境中通过如下命令安装

pip install -r requirements.txt

其中必备包如下：

4. YOLOX的检测测试

检测图像或者视频，首先需要下载训练好的权重文件，YOLOX中训练好的权重文件为pth格式，保存在工程目录weights下，其中下载地址如下：

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

最后下载的权重pth文件存储在工程weights中如下所示：

(1) 摄像头检测

根据YOLOX官方给出的代码，需要执行工程中tools/demo.py才能进行目标检测。

python tools/demo.py webcam -n yolox-s -c ../weights/yolox_s.pth --camid 0 --conf 0.25 --nms 0.45 --tsize 416 --save_result

通过执行上面的命令来检测摄像头中的内容。其中

webcam：表示以摄像头进行检测；

-n：表示检测模型名称

-c：加载的权重pth文件

--camid：指定读取数据的摄像机id

--conf：设置执行度阈值

--nms：设置非极大值抑制阈值

--tsize：设置网络输入的尺寸大小

--save_result：保存检测的结果

在pycharm IDE中配置运行的参数，如下图

如果需要在IDE中显示检测结果，需要只需在demo.py文件的imageflow_demo函数中添加cv2.imshow，如下图所示

如果需要退出程序，只需要按Q键就可以退出，如果设置--save_result，则退出程序会保存检测视频。

截取摄像头中一帧图像的检测结果如下图所示

摄像头每帧保存的结果视频

默认名称为camera.mp4。