数据检查于 2026-08-13. Data may be stale - beyond the review cycle.
审查周期记录在方法论页面。 方法论
Megvii-BaseDetection/YOLOX
软件工具 Tier A perception_ai Apache-2.0
YOLOX 高性能单阶段目标检测器（Megvii）。
概览
旷视 YOLOX 目标检测实现，官方仓库：https://github.com/Megvii-BaseDetection/YOLOX。
工程快照
用途与任务 6
- 最适合
-
- Engineers deploying real-time object detection on edge devices
- UAV perception pipelines requiring multi-backend export
- Teams needing Apache-2.0 licensed detection baseline
- 主要任务
-
- Real-time object detection for autonomous navigation
- Multi-platform inference (NVIDIA Jetson, Intel OpenVINO, mobile ncnn)
- Model export and optimization for production deployment
技术栈与生态
- 资源类型
- 软件工具
- 生态系统
- deep-learning · megengine · ncnn · object-detection · onnx · openvino
许可与法律
- 许可证
-
Apache-2.0(推断)
生命周期与时效性 展开
- 维护状态
- 活跃维护
- 最新版本
- 未记录
- 最近活动
- 2026-08-13
- 最近检查
- 2026-08-13
- 验证状态
- 官方确认
解决什么问题
Need a high-performance anchor-free object detector that exceeds YOLOv3-v5 accuracy with flexible deployment across multiple inference backends (ONNX, TensorRT, ncnn, OpenVINO, MegEngine).
主要用例
- Real-time object detection for autonomous navigation
- Multi-platform inference (NVIDIA Jetson, Intel OpenVINO, mobile ncnn)
- Model export and optimization for production deployment
次要用例
- Research benchmarking against YOLOv3-v5
- Integration with tracking systems (e.g., ByteTrack)
- Transfer learning on custom aerial datasets
何时使用
考虑使用
- Anchor-free design preferred for simpler pipeline
- Multiple inference backend support required
- Apache-2.0 license compatibility needed
采用前需验证
- Actual latency/accuracy on target hardware and backend
- Maintenance activity (last commit 2026-08-13)
- Compatibility with specific PyTorch/MegEngine versions
- Export stability for ONNX/TensorRT/ncnn/OpenVINO
在技术栈中的位置
技术层 perception_localization
从这里开始
采用检查清单
- 需验证 Actual latency/accuracy on target hardware and backend
- 需验证 Maintenance activity (last commit 2026-08-13)
- 需验证 Compatibility with specific PyTorch/MegEngine versions
- 需验证 Export stability for ONNX/TensorRT/ncnn/OpenVINO
以上检查项只有在官方来源确认后才能标记为“已验证”；无法确认的保持未验证。
已知限制与未知项
已知限制
- Performance varies significantly by deployment backend
- No official hardware-specific benchmarks provided
- Anchor-free design may affect small-object detection
未公开验证
- Specific version/release tags
- Quantitative benchmarks on UAV datasets
- Supported hardware targets beyond generic categories
替代与相关工具
相关工具
- onnx-runtime — 集成
- openvino — 集成
- jetson-inference — compatible with
- bytetrack — 用于
- tensorrt — 集成
如何使用？
从下方记录的入口开始，然后对照技术清单进行验证。
技术清单
- 通过 许可证已识别 已记录: Apache-2.0
- 通过 维护信号 活跃维护
- 通过 验证状态 官方确认
- 通过 已附加来源证据 1 个来源记录
- 需复核 已记录最新版本 未记录
官方链接
元数据与治理
| 许可证 | Apache-2.0 — 推断 |
|---|---|
| 商业化模式 | 未知 |
| 维护状态 | 活跃维护 |
| 验证状态 | 官方确认 — 已通过官方仓库 API 响应确认，证据见下方来源引用。 |
| 最新版本 | 未记录 |
| 最新发布 | 未记录 |
| 最近活动 | 2026-08-13 |
| 最近检查 | 2026-08-13 |
| 首次发现 | 未记录 |
数据集事实
以上事实仅来自官方数据集卡，未确认字段保持未知。
相关资源与依赖
- onnx-runtime — integrates with (verified)
- openvino — integrates with (verified)
- jetson-inference — compatible with (verified)
- bytetrack — used for (verified)
- tensorrt — integrates with (confirmed)
近期动态
新增资源：Megvii-BaseDetection/YOLOX
New repository resource added by the sprint promote pipeline.
相关知识
合集
- 航拍感知模型与数据集 — 面向检测与跟踪研究及原型开发的、有可靠来源的航拍数据集与模型仓库。
- 视觉感知模型与数据 — 面向空中视觉感知研究与原型开发的索引模型与数据集资源库。