yolov7论文学习——创新点解析、网络结构图

find_starshine

已于 2023-11-06 19:15:29 修改

阅读量9.3k

点赞数 36

分类专栏： yolo 文章标签： YOLO

于 2023-07-04 21:14:15 首次发布

本文链接：https://blog.csdn.net/qq_43757976/article/details/131540697

版权

创新点

1、提出了E-ELAN，但是只在yolov7-e6e中使用到。
2、yolov7基于拼接模型的缩放方法，在yolov7x中使用到。
3、将重参数化卷积应用到残差模块中或者用到基于拼接的模块中去。RepConvN
4、提出了两种新的标签分配方法

一、ELAN和E-ELAN

1、 ELAN

yolov7使用大量的ELAN作为基础模块。这么多堆叠其实对应了更密集的残差结构，残差网络的特点是容易优化，并且能够通过增加相当的深度来提高准确率。内部的残差块使用了跳跃连接，缓解了在深度神经网络中增加深度带来的梯度消失问题。
在这里插入图片描述

   [-1, 1, Conv, [64, 1, 1]],
   [-2, 1, Conv, [64, 1, 1]],
   [-1, 1, Conv, [64, 3, 1]],
   [-1, 1, Conv, [64, 3, 1]],
   [-1, 1, Conv, [64, 3, 1]],
   [-1, 1, Conv, [64, 3

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

find_starshine

关注关注

36
点赞
踩
105

收藏

觉得还不错? 一键收藏
1
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

YOLOv10论文解读——实时的端到端目标检测模型【附结构图】

kay_545

05-25

3860

YOLOv10引入了额外的one-to-one头部，通过双分配策略，在训练时提供更丰富的监督信息，而在推理时则利用one-to-one头部进行高效预测，从而无需NMS后处理。此外，YOLOv10从效率和准确性两个方面全面优化了YOLO的各个组件，包括轻量级分类头部、空间-通道解耦的下采样层、基于秩的模块设计等，以降低计算冗余并提升模型性能。YOLOv10检测器的提出不仅为实时目标检测领域带来了新的突破，也展示了通过后处理和模型设计的联合优化，同时提升效率和精度的有效思路。

YOLOv5源码逐行超详细注释与解读（1）——项目目录结构解析

最新发布

笑脸惹桃花的博客

03-20

1401

YOLOv5、YOLOv6、YOLOv7、YOLOv8、YOLOv9、YOLOv10、YOLOv11、YOLOv12各版本的网络结构图

yolov7创新点

ffllxx123的博客

07-31

4023

yolov7各个模型的网络结构图(最详细)

qianxun

07-11

5万+

美团刚刚发出yolov6，AB大神就带着yolov7来了。。。。。这速度是真快。。在 5-160 FPS 范围内速度和精度超过所有已知目标检测器。在后不到两个星期，提出 YOLOv4 的团队就发布了更新一代的版本。本周三，YOLOv7 的论文被提交到了预印版论文平台 arXiv 上，其三位作者 Chien-Yao Wang、Alexey Bochkovskiy 和 Hong-Yuan Mark Liao 是 YOLOv4 的原班人马。相对于其他类型的工具，YOLOv7-E6 目标检测器（56 FPS V1

YOLOv7网络结构图

Ubuntu18.04局域网共享文件夹，实现win7和Ubuntu本地访问

12-09

8474

YOLO v7网络结构

weixin_43227526的博客

12-08

1458

与YOLO系列的网络结构相似，包含三个部分：backbone主干特征提取网络、neck特征加强网络、yolo head预测网络。

详解YOLOV7 网络结构

偶尔想看云飞的博客

03-23

8090

YOLOv7网络结构详解，配合yaml文件

YOLOv12 训练自己的数据集，从代码下载到实例测试 —— 附整体模型结构图及代码解析

Limiiiing的博客

03-03

2945

在Windows10上配置CUDA环境教程YOLOv12是YOLO系列最新发布的计算机视觉模型。以上就是YOLOv12训练自己数据集的全部过程啦，欢迎大家在评论区交流~

YOLOv7网络结构（源码）.rar

04-15

1、资源内容：YOLOv7网络结构（源码）.rar 2、适用人群：计算机，电子信息工程、数学等专业的学习者，作为“参考资料”参考学习使用。 3、解压说明：本资源需要电脑端使用WinRAR、7zip等解压工具进行解压，没有解压工具的自行百度下载即可。 4、免责声明：本资源作为“参考资料”而不是“定制需求”，代码只能作为参考，不能完全复制照搬。不一定能够满足所有人的需求，需要有一定的基础能够看懂代码，能够自行调试代码并解决报错，能够自行添加功能修改代码。由于作者大厂工作较忙，不提供答疑服务，如不存在资源缺失问题概不负责，谢谢理解。

目标检测算法——YOLOv5/YOLOv7改进之结合RepVGG（速度飙升）

加勒比海带66——【YOLO魔法搭配&论文投稿咨询】

11-11

1万+

目标检测算法——YOLOv5/YOLOv7改进之结合RepVGG（速度飙升）。在ImageNet上，据我们所知，RepVGG的top-1准确性达到80％以上，这是老模型首次实现该精度。在NVIDIA 1080Ti GPU上，RepVGG模型的运行速度比ResNet-50快83％，比ResNet-101快101％，并且具有更高的精度，与诸如EfficientNet和RegNet的最新模型相比，RepVGG显示出良好的精度-速度权衡。效果对比如下图所示。

yolov7 图解

u012254599的博客

12-29

2266

对比yolov7 e6 yaml 与 yolov7 e6e yaml。yolov7训练自己的数据集与yolov5类似，参考之前的文章。二、yolov7 ymal， ELAN结构分析。发布于 2023-07-03 20:06。Conv块又称为 CBS。一、yolov7网络架构图。对照论文中的ELAN结构。yolov7 模型缩放。三、E-ELAN结构。

yolov7 详解(1)：yolov7 网络结构及创新点

@bangbang的博客

07-23

1590

Yolov7超过了目前已知的所有检测器，无论是从速度还是精度上，最高的模型AP值达到56.8%，有着30FPS。Yolov7-E6检测器（56FPS、55.9%AP）超过了所有的transformer-based的检测器如SWIN-L Cascade-Mask R-CNN（9.2FPS A100，53.9AP），速度是其509%倍，精度提升2%；

yolov7网络结构图（与yolov7.yaml对应）

Fan1534的博客

01-15

1543

其中值得注意的是第80层和第93层，由于MP结构自身有concat后面还有concat，所以作者就把这个concat层放在一起操作了，也就是说80层和93层的concat里面包含了MP模块的concat。最近在看yolov7的代码发现于yolov5的相比yaml文件太多行了，所以特地绘制了一个于yaml文件对应的网络结构图以便于后期的使用于学习。另外由于我主要是为了将模块于yaml文件中的每一层对应，所以有些模块的结构我就不画了，借用CSDN的另一位大佬画的图。希望可以帮助大家理解yolov7的结构。

YOLOv7网络结构详细讲解及训练自己数据

qq_51511878的博客

07-30

1万+

YOLOv7是一种优秀的端到端检测算法。YOLOv7由Alexey Bochkovskiy和Chien-Yao Wang等人（YOLOv4团队）于2022年提出。在 5 FPS 到 120 FPS 的范围内，YOLOv7 的速度和准确性都超过了所有已知的物体检测器，在 30 FPS 的所有已知实时物体检测器中，YOLOv7 的准确性最高，达到 56.8% AP。

yolov7网络架构详细图

wangasdf1的博客

06-19

935

长文详解YOLOv7的网络结构

zenRRan的博客

09-13

7218

作者：Kissrabbit (知乎同名)方向：目标检测与人体动作行为分析哈尔滨工业大学在读博士最近，Scaled-YOLOv4的作者（也是后来的YOLOR的作者）和YOLOv4的作者AB大佬再次联手推出了YOLOv7，目前来看，这一版的YOLOv7是一个比较正统的YOLO续作，毕竟有AB大佬在，得到了过YOLO原作的认可。网上已经有了很多文章去从各个方面来测试YOLOv7，但关于YOLOv7到底长...

YOLOv7是卷积神经网络吗

04-20

YOLOv7是一种目标检测算法，它基于卷积神经网络（Convolutional Neural Network，CNN）进行实现。YOLO（You Only Look Once）系列算法是一种实时目标检测算法，它通过将目标检测任务转化为一个回归问题，直接在图像上预测目标的边界框和类别信息。YOLOv7是YOLO系列算法的一个版本，它在YOLOv3的基础上进行了改进和优化。