---

YOLO系列博文：

1. 【第1篇：概述物體檢測算法發(fā)展史、YOLO應(yīng)用領(lǐng)域、評價指標(biāo)和NMS】
2. 【第2篇：YOLO系列論文、代碼和主要優(yōu)缺點匯總】
3. 【第3篇：YOLOv1——YOLO的開山之作】
4. 【第4篇：YOLOv2——更好、更快、更強】
5. 【第5篇：YOLOv3——多尺度預(yù)測】
6. 【第6篇：YOLOv4——最優(yōu)速度和精度】
7. 【第7篇：YOLOv5——使用Pytorch框架、AutoAnchor、多尺度預(yù)訓(xùn)練模型】
8. 【第8篇：YOLOv6——更高的并行度、引入量化和蒸餾以提高性能加速推理】
9. 【第9篇：YOLOv7——跨尺度特征融合】
10. 【第10篇：YOLOv8——集成檢測、分割和跟蹤能力】
11. 【第11篇：YOLO變體——YOLO+Transformers、DAMO、PP、NAS】
12. 【第12篇：YOLOv9——可編程梯度信息(PGI)+廣義高效層聚合網(wǎng)絡(luò)(GELAN)】
13. 【第13篇：YOLOv10——實時端到端物體檢測】
14. 【第14篇：YOLOv11——在速度和準(zhǔn)確性方面具有無與倫比的性能】
15. 【第15篇（完結(jié)）：討論和未來展望】

---

1 摘要

• 發(fā)表日期：2022年7月
• 作者：Wong Kin-Yiu, Alexey Bochkovskiy, Chien-Yao Wang
• 論文：YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object detectors
• 代碼：https://github.com/WongKinYiu/yolov7
• 主要優(yōu)缺點：
  • 在COCO數(shù)據(jù)集上達(dá)到新的速度與精度平衡；
  • 跨尺度特征融合提高對不同尺度物體的檢測能力；
  • 改進(jìn)訓(xùn)練過程中的標(biāo)簽分配方式提高訓(xùn)練效率。

2 網(wǎng)絡(luò)架構(gòu)

2022年7月，YOLOv7由YOLOv4和YOLOR的同一組作者發(fā)布在ArXiv上。當(dāng)時，它在5 FPS到160 FPS的速度范圍內(nèi)，在速度和精度上超過了所有已知的目標(biāo)檢測器。與YOLOv4一樣，它僅使用MS COCO數(shù)據(jù)集進(jìn)行訓(xùn)練，而沒有使用預(yù)訓(xùn)練的Backbone。YOLOv7提出了一些架構(gòu)上的改進(jìn)和一系列bag-of-freebies，這些改進(jìn)提高了準(zhǔn)確性，但不影響推理速度，只增加了訓(xùn)練時間。

下圖展示了YOLOv7的詳細(xì)架構(gòu)。

3 改進(jìn)點

YOLOv7的架構(gòu)變化包括：

• 擴展高效層聚合網(wǎng)絡(luò)（E-ELAN）：ELAN是一種通過控制最短最長梯度路徑，使深度模型能夠更高效地學(xué)習(xí)和收斂的策略。YOLOv7提出了E-ELAN，適用于具有無限堆疊計算塊的模型。E-ELAN通過打亂和合并基數(shù)來結(jié)合不同組的特征，增強網(wǎng)絡(luò)的學(xué)習(xí)能力，而不破壞原始的梯度路徑。
• 基于拼接模型的模型縮放：通過調(diào)整一些模型屬性生成不同大小的模型。YOLOv7的架構(gòu)是基于拼接的架構(gòu)，在這種架構(gòu)中，標(biāo)準(zhǔn)的縮放技術(shù)（如深度縮放）會導(dǎo)致過渡層輸入通道和輸出通道之間的比例變化，從而導(dǎo)致模型硬件利用率的下降。YOLOv7提出了一種新的縮放策略，其中塊的深度和寬度以相同的因子縮放，以保持模型的最佳結(jié)構(gòu)。

YOLOv7中使用的bag-of-freebies包括：

• 計劃重參數(shù)化卷積：類似于YOLOv6，YOLOv7的架構(gòu)也受到重參數(shù)化卷積（RepConv）[98] 的啟發(fā)。然而，他們發(fā)現(xiàn)RepConv中的恒等連接會破壞ResNet [61] 中的殘差和DenseNet [109] 中的拼接。因此，他們移除了恒等連接，并將其稱為RepConvN。
• 輔助頭的粗標(biāo)簽分配和主頭的細(xì)標(biāo)簽分配：主頭負(fù)責(zé)最終輸出，而輔助頭則幫助訓(xùn)練。
• 卷積-批量歸一化-激活中的批量歸一化：這將批量歸一化的均值和方差集成到卷積層的偏置和權(quán)重中，以便在推理階段使用。
• 受YOLOR啟發(fā)的隱性知識。
• **指數(shù)移動平均（EMA）**作為最終推理模型。

4 和YOLOv4及YOLOR的對比

YOLOv7相對于同一組作者開發(fā)的先前YOLO模型的改進(jìn)如下：

• 與YOLOv4相比，YOLOv7參數(shù)量減少了75%，計算量減少36%，同時AP提高了1.5%。
• 與YOLOv4-tiny相比，YOLOv7-tiny分別減少了39%的參數(shù)量和49%的計算量，同時保持了相同的AP。
• 與YOLOR相比，YOLOv7分別減少了43%的參數(shù)量和15%的計算量，并且AP略微提高了0.4%。

在MS COCO 2017測試開發(fā)集上的評估顯示，YOLOv7-E6在輸入尺寸為1280像素的情況下，在NVIDIA V100上以50 FPS的速度達(dá)到了55.9%的AP和73.5%的AP50。