计算机视觉系列-YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object detectors
YOLOv7 简介论文链接：https://arxiv.org/abs/2207.02696 github：https://github.com/WongKinYiu/yolov7
YOLOv7在5 FPS到160 FPS范围内的速度和精度达到了新的高度，并在GPU V100上具有30 FPS或更高的所有已知实时目标检测器中具有最高的精度56.8%AP。YOLOv7-E6物体检测器（56 FPS V100，55.9%AP）在速度和精度上优于基于transformer的SWIN-L Cascade-Mask R-CNN（9.2 FPS A100，53.9%AP），分别为509%和2%，卷积检测器ConvNeXt-XL Cascade-Mask R-CNN （8.6 FPS A100，55.2%AP）在速度和精度上分别为551%和0.7%，并且YOLOv7优于：YOLOR、YOLOX、SCALLED-YOLOv4、YOLOv5、 DETR, Deformable DETR、DINO-5scale-R50、ViT-Adapter-B和许多其他物体检测器的速度和精度。此外，论文只在MS COCO数据集上从头开始训练YOLOv7，而不使用任何其他数据集或预先训练的权重。
