【第45篇】YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object detectors

摘要

YOLOv7 在 5 FPS 到 160 FPS 范围内的速度和准确度都超过了所有已知的物体检测器，并且在 GPU V100 上 30 FPS 或更高的所有已知实时物体检测器中具有最高的准确度 56.8% AP。 YOLOv7-E6 目标检测器（56 FPS V100，55.9%AP）比基于transformer的检测器 SWINL Cascade-Mask R-CNN (9.2 FPS A100, 53.9% AP) 的速度和准确度分别提高 509% 和 2%，以及基于卷积的检测器 ConvNeXt-XL Cascade-Mask R-CNN (8.6 FPS A100, 55.2% AP) 速度提高 551%，准确率提高 0.7%，以及 YOLOv7 的表现优于：YOLOR、YOLOX、Scaled-YOLOv4、YOLOv5、DETR、Deformable DETR , DINO-5scale-R50, ViT-Adapter-B 和许多其他物体探测器在速度和准确度上。 此外，我们只在 MS COCO 数据集上从头开始训练 YOLOv7，而不使用任何其他数据集或预训练的权重。 源码发布在https://github.com/WongKinYiu/yolov7。

1、简介

实时对象检测是计算机视觉中非常重要的主题，因为它通常是计算机视觉系统中的必要组件。例如，多目标跟踪[94, 93]，自动驾驶[40, 18]，机器人[35, 58]，医学图像分析[34, 46]等。执行实时目标检测的计算设备是通常是一些移动CPU或GPU，以及各大厂商开发的各种神经处理单元（NPU）。比如苹果神经引擎（Apple）、神经计算棒（Intel）、Jetson AI边缘设备（Nvidia）、边缘TPU（谷歌&#x