关于yolov7的一些理解

论文: https://arxiv.org/abs/2207.02696
Github: https://github.com/WongKinYiu/yolov7

1.摘要

Yolov7是Yolov4团队的作品，受到了yolo原作者的认可，论文发布后就引起了较大的关注；Yolov7通过一系列优化和技巧的组合，截止至论文发布时间[2022年7月]，在5FPS到160FPS的范围内，无论是速度或是精度，都超过了已知的检测器，并且在GPU V100上进行测试， 精度为56.8% AP的模型可达到30 FPS（batch=1）以上的检测速率，与此同时，这是目前唯一一款在如此高精度下仍能超过30FPS的检测器。

2.创新点

• 高效的网络结构 : 修改网络组件，引入ELAN结构
• 动态标签分配策略 : 结合yolov5的跨网格匹配策略及yolox的动态网格策略SimOTA
• 提出了一些Bag-of-Freebies方法：不增加推理时间的前提下，提高检测精度
  • 辅助头训练策略
  • 模型重参数化

3.具体工作

3.1.网络结构优化

yolov7整体的网络架构还是延用yolov5，只是对部分组件进行了修改或替换；

Modify-1: 3层conv代替stem模块，实现两倍下采样
- Conv仍然是：卷积 + BN + SiLU三件套

Modify-2: 引入ELAN模块代替CSP模块
- ELAN的这种结构的一个优势就是每个branch的操作中，输入通道都是和输出通道保持一致的[网络设计的一个高效准则]
- 仅仅是最开始的两个1x1卷积是有通道变化的

Modify-3: 下采样模块（Maxpling + Conv）<