目标检测--Yolov7

参考博客： https://blog.csdn.net/weixin_44791964/article/details/125827160

参考知乎： https://www.zhihu.com/question/568070366/answer/3030899381

网络结构

彩色图

从网络结构上看和yolov3, yolov5 啥的相差不大，都是通过backbone，neck， head，最后输出三个feature map, 但里面的网络细节上有了不小的改动。最大的特点，据说是将vgg 又重新拉回舞台，能够使用较小的空间，拥有更快的速度和准确率。然后它里面使用的还是Anchor-base,没有像yolox 使用了Anchor-Free 。

主干网络中，使用了ELAN，进行多分支融合

MP 中使用了池化操作和卷积下采样操作，然后将结果融合。

最后在head阶段，使用了REP

这个图的意思就是在训练阶段，使用多分支进行卷积，然后融合到一起；在预测部署的时候只采用中间的卷积输出。

损失函数 还是分为坐标损失，置信度损失，分类损失，其中目标置信度损失和分类损失采用BCEWithLogitsLoss（带log的二值交叉熵损失），坐标损失采用CIoU损失。

使用了SimOTA对预测的锚框与真实框进行匹配，从而选择最优的预测锚框进行训练与损失计算

步骤如下：

首先粗略匹配

1. 根据训练集中【真实框】 通过k-mean算法，先验获得9个从小到大的排列的 anchor(与yolov5类似)

2. 将每个【真实框】与得到的9个anchor 匹配： 分别计算【真实框】与这9个anchor 的宽高比（比较大的除以比较小的，比值大于1），得到两个比较值，取最大值，如果最大值小于阈值，就将这个anchor 框设置为正样本（正样本的意思就是说这个框里面有要检测的物体，负样本是说，有个框，但框里没有要检测的物体）。

精细匹配

1. 找到【真实框】的中心位置，将最近的2个邻域网格也作为预测网格，也即一个【真实框】可以由3个网格来预测

2. 取与当前【真实框】有top10最大iou的prediction结果。将这top10 （5-15之间均可，并不敏感）iou进行sum，就为当前gt的k。k最小取1。

3. 根据损失函数计算每个【真实框】和候选anchor损失（前期会加大分类损失权重，后面减低分类损失权重，如1:5->1:3），并保留损失最小的前K个

4. 去掉同一个anchor被分配到多个GT的情况。