YOLOv7速度精度超越其他变体，大神AB发推，网友：还得是你

Pine 发自 凹非寺

前脚美团刚发布YOLOv6， YOLO官方团队又放出新版本。

曾参与YOLO项目维护的大神Alexey Bochkovskiy在推特上声称：

官方版YOLOv7比以下版本的精度和速度都要好。

在论文中，团队详细对比了YOLOv7和其他变体的性能对比，并介绍v7版本的新变化。

话不多说，YOLOv7有多强一起来看实验结果。

速度、精度都超越其他变体

论文中，实验以之前版本的YOLO和最先进的目标检测模型作为基准。

表格是YOLOv7模型在相同的参数设置下与其他版本的比较：

数据标绿代表性能相较于之前版本有所提升，参数量和计算量相较于之前版本，大部分均有所减少，AP也有所提升。

即使在云GPU模型上，最新模型仍可以保持较高的AP，与此同时计算量和参数量相较于之前模型也均有所下降。

YOLOv7可以很好地平衡速度与精度。

与现有的通用GPU和移动GPU的目标检测模型进行比较：

YOLOv7在速度（FPS）和精度（AP）均超过其他目标检测模型。

比如，在输入分辨率为1280时，将YOLOv7与YOLOR进行比较，YOLOv7W6的推理速度比YOLORP6快8fps，检测率也提高了1%AP。

性能是怎么提升的？

改进实时目标检测模型的性能，往往要从以下几点入手：

1、更快更强的网络架构；

YOLOv7主要从4、5、6入手设计性能更好的检测模型。

首先

在大规模的ELA中，无论梯度路径长度和块的数量如何，网络都能达到稳定状态。

但是如果无限地堆叠计算块，这种稳定状态也可能会被破坏，参数利用率也会降低。

EELA对基数(Cardinality)做了扩展(Expand)、乱序(Shuffle)、合并(Merge cardinality)，能在不破坏原始梯度路径的情况下，提高网络的学习能力。

在架构方面，EELA只改变了计算块中的体系结构，没有改变过渡层的体系结构。

除了保持原来ELA的设计架构外，EELA还可以引导不同的计算块组来学习更多样化的特性。

而后

模型缩放是指调整模型的一些属性，生成不同尺度的模型，以满足不同推理速度的需求。

然而，模型缩放如果应用于基于连接的架构，当扩大或缩小执行深度时，基于连接的翻译层的计算块将减少或增加。

由此可以推断，对于基于级联的模型，不能单独分析不同的缩放因子，必须一起考虑。

基于级联的模型缩放方法是一个复合模型缩放方法，当缩放一个计算块的深度因子时，同时也要计算该块输出通道的变化。

然后，对过渡层以相同的变化量进行宽度因子缩放，这样就可以保持模型在初始设计时的特性，并保持最优结构。

在论文研究中，作者还设计了有计划的重新参数化卷积（Planned reparameterized convolution）。

RepConv在VGG中有比较优异的性能，但当它直接应用于Reset、Denseet或者其他架构时，精度会明显降低。

这是因为RepConv中的直连（Identity connection）破坏了Reset中的残差和Denseet中的连接。

因此，论文研究中使用没有直连的RepConv(RepConv)来设计网络结构。

在YOLOv7的标签分配机制中，需要同时考虑网络预测结果与基准，然后将软标签（综合考虑，优化之后的标签）分配到“label assigner”机制。

那么接下来，“软标签要分配给auxiliary head还是lead head呢？”

论文提出了一种新的标签分配法，如下中的（d）、（e），基于lead head预测，生成从粗到细的层次标签，分别用于lead head和auxiliary head的学习。

(d)让较浅的auxiliary head学习lead head已经学习到的信息，而输lead head则可以更专注于为学习到的残差信息。

而e中，会生成两组软标签，即粗标签和细标签。auxiliary head不如lead head学习能力强，因此要重点优化它的召回率，避免丢失掉需要学习的信息。

目前，YOLOv7已官方开源，有兴趣的伙伴可以戳下文链接。