YOLOv7

YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object detectors

arXiv:2207.02696  [pdf, other]  cs.CV

YOLOv7的作者也是YOLOv4，Scaled YOLOv4，YOLOR和Non-deep Networks的作者

Authors: Chien-Yao Wang, Alexey Bochkovskiy, Hong-Yuan Mark Liao

摘要：YOLOv7在速度和精度上都超过了所有已知的目标探测器，在5 FPS到160 FPS的范围内，并且在GPU V100上以30 FPS或更高的速度在所有已知实时目标探测器中具有最高的56.8%AP精度。YOLOv7-E6物体检测器（56 FPS V100，55.9%AP）在速度和精度上优于基于变压器的检测器SWI-L级联掩码R-CNN（9.2 FPS A100，53.9%AP），分别为509%和2%，卷积检测器ConvNeXt XL级联掩码R-CNN（8.6 FPS A100，55.2%AP）在速度和精度上分别为551%和0.7%，并且YOLOv7优于：YOLOR、YOLOX、SCALLED-YOLOv4、YOLOv5、DETR、，可变形DETR、DINO-5scale-R50、ViT-Adapter-B和许多其他物体检测器的速度和精度。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先训练的权重。源代码发布于https://github.com/WongKinYiu/yolov7. △ 较少的

2022年7月6日提交；最初于2022年7月宣布。