#今日论文推荐# YOLOv7官方开源 | Alexey Bochkovskiy站台,精度速度超越所有YOLO,还得是AB
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目标检测器,并且在 GPU V100 上 30 FPS 或更高的所有已知实时目标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 SWIN-L Cascade-Mask R-CNN
(9.2 FPS A100,53.9% AP)的速度和准确度分别高出 509% 和 2%,并且比基于卷积的检测器 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
的表现还优于:YOLOR
、YOLOX
、Scaled-YOLOv4
、YOLOv5
、 DETR
、Deformable DETR
、DINO-5scale-R50
、ViT-Adapter-B
和许多其他速度和准确度的目标检测器。此外,只在 MS COCO
数据集上从零开始训练 YOLOv7
,而不使用任何其他数据集或预训练的权重。
在大多数关于设计高效架构的文献中,主要考虑因素不超过参数的数量、计算量和计算密度。Ma 等人还从内存访问成本的特点出发,分析了输入/输出通道比
、架构的分支数量
以及 element-wise 操作
对网络推理速度的影响。多尔阿尔等人在执行模型缩放时还考虑了激活
,即更多地考虑卷积层输出张量中的元素数量。
论文题目:YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object detectors
详细解读:https://www.aminer.cn/research_report/62c7a8717cb68b460fe5cecbhttps://www.aminer.cn/research_report/62c7a8717cb68b460fe5cecb
AMiner链接:https://www.aminer.cn/?f=cs