YOLOV7

ps 640    
YOLOV5      Param     1.9M~86.7M     AP 28.0%~50.7%    FPS 83~159
YOLOX        Param     9.0M~99.1M     AP 40.5%~51.5%    FPS 58~102
YOLOR        Param   52.9M~96.9M     AP 50.8%~53.0%    FPS 87~106
PPYOLOE   Param     7.9M~98.4M     AP 42.7%~52.2%    FPS 45~208
YOLOV7      Param     6.2M~71.3M     AP 38.7%~53.1%    FPS 114~286

ps 1280    
YOLOV5      Param   3.2M~140.7M    AP 36.0%~55.0%    FPS 38~123   
YOLOR        Param  37.2M~151.7M   AP 53.5%~56.5%    FPS 34~76
YOLOV7      Param  70.4M~154.7M   AP 54.6%~56.8%    FPS 36~84   
 
YOLOV7
Backbone:
位置: cfg/training/yolov7.yaml 
         models/yolo.py
1.使用ELAN(包括复杂 E-ELAN结构)和MP结构
   CSB=Conv->BN->silu激活
   MP=(MaxPool->CSB) cat (CBS->CBS)->
   ELAN=N个CBS->cat->CBS

ELAN结构:::
    通过控制最短最长的梯度路径，更深的网络可以有效地学习和收敛。作者提出ELAN结构。基于ELAN设计的E-ELAN 用expand、shuffle、merge card