点击上方“3D视觉车间，选择星标
第一时间送达干货
作者丨Rubin
来源计算机视觉CV
最近在github我看到一个博主开源仓库都惊呆了，YOLOv6还没出来怎么到？YOLOv7.稍微看了一下，原作者是基于这两年很受欢迎的transformer测试和分割模型，测试效果很好，比YOLOv5效果好很多。由此可见，基于Transformer based未来是检测模型。你会发现它学到的东西非常合理，比从很多人那里学到的更多boudingbox最好在里面选择概率范式。不多说，先上代码链接:
开源的YOLOv7功能强大，支持 YOLO, DETR, AnchorDETR等等。作者声称发现了许多开源检测框架，如YOLOv5、EfficientDetection都有自己的弱点。例如，YOLOv5实际上设计过度，代码混乱太多。更令人惊讶的是，pytorch至少有20个不同版本的版本YOLOv3-YOLOv4的重新实现，其中99.99%是完全错误的。你既不能训练你的数据集，也不能使它与原始数据集相匹配paper相比。所以有作者开源的仓库！该repo支持DETR等模型的ONNX并且可以进行导出tensorrt推理。
该repo提供以下工作：
YOLOv4 contained with CSP-Darknet53;
YOLOv7 arch with resnets backbone;
GridMask augmentation from PP-YOLO included;
Mosiac transform supported with a custom datasetmapper;
YOLOv7 arch Swin-Transformer support (higher accuracy but lower speed);
RandomColorDistortion, RandomExpand, RandomCrop, RandomFlip;
CIoU loss (DIoU, GIoU) and label smoothing (from YOLOv5 & YOLOv4);
YOLOv7 Res2net FPN supported;
Pyramid Vision Transformer v2 (PVTv2) supported
YOLOX s,m,l backbone and PAFPN added, we have a new combination of YOLOX backbone and pafpn;
YOLOv7 with Res2Net-v1d backbone, wefound res2net-v1dhave a better accuracy then darknet53;
Added PPYOLOv2 PAN neck with SPP and dropblock;
YOLOX arch added, now you can train YOLOX model (anchor free yolo) as well;
DETR: transformer based detection model andonnx export supported, as well as TensorRT acceleration;
AnchorDETR: Faster converge version of detr, now supported!
仓库提供快速检测Quick start和train数据集的代码和操作流程也提供了许多预训练模型可以下载，读者可以根据自己的需要下载相应的测试模型。
快速运行demo代码
python3demo.py--config-fileconfigs/wearmask/darknet53.yaml--input./datasets/wearmask/images/val2017--optsMODEL.WEIGHTSoutput/model_0009999.pth实例分割
pythondemo.py--config-fileconfigs/coco/sparseinst/sparse_inst_r50vd_giam_aug.yaml--video-input~/Movies/Videos/86277963_nb2-1-80.flv-c0.4--optsMODEL.WEIGHTSweights/sparse_inst_r50vd_giam_aug_8bc5b3.pth基于detectron2新推出的LazyConfig系统，使用LazyConfig模型运行
python3demo_lazyconfig.py--config-fileconfigs/new_baselines/panoptic_fpn_regnetx_0.4g.py--optstrain.init_checkpoint=output/model_0004999.pth训练数据集
pythontrain_net.py--config-fileconfigs/coco/darknet53.yaml--num-gpus1假如你想训练YOLOX，使用 config file configs/coco/yolox_s.yaml
导出 ONNX && TensorRT && TVM
detr
pythonexport_onnx.py--config-filedetr/config/fileSparseInst
pythonexport_onnx.py--config-fileconfigs/coco/sparseinst/sparse_inst_r50_giam_aug.yaml--video-input~/Videos/a.flv--optsMODEL.WEIGHTSweights/sparse_inst_r50_giam_aug_2b7d68.pthINPUT.MIN_SIZE_TEST512具体操作流程可到原仓库查看，有详细分析！
检测结果
参考链接
[1]https://manaai.cn/aisolution_detail.html?id=7
[2]https://github.com/jinfagang/yolov7
本文仅进行学术分享。如有侵权行为，请联系删除。
1.面向自动驾驶领域的多传感器数据融合技术
2.面向自动驾驶领域的3D点云目标检测全栈学习路线！(单模态+多模态/数据+代码)3.彻底搞透视觉三维重建：原理剖析、代码讲解、及优化改进4.国内首个面向工业级实战的点云处理课程5.激光-视觉-IMU-GPS融合SLAM算法梳理和代码讲解6.彻底搞懂视觉-惯性SLAM：基于VINS-Fusion正式开课啦7.彻底搞懂基于LOAM框架的3D激光SLAM: 源码剖析到算法优化8.彻底剖析室内、室外激光SLAM关键算法原理、代码和实战(cartographer+LOAM +LIO-SAM)
9.从零搭建一套结构光3D重建系统[理论+源码+实践]
10.单目深度估计方法：算法梳理与代码实现
11.自动驾驶中的深度学习模型部署实战
12.相机模型与标定(单目+双目+鱼眼）
13.重磅！四旋翼飞行器：算法与实战
14.ROS2从入门到精通：理论与实战
15.国内首个3D缺陷检测教程：理论、源码与实战
扫码添加小助手微信，可
也可申请加入我们的细分方向交流群，目前主要有、、、、、等微信群。
一定要备注：，例如：”3D视觉 + 上海交大 + 静静“。请按照格式备注，可快速被通过且邀请进群。也请联系。
▲长按加微信群或投稿
▲长按关注公众号
：针对3D视觉领域的五个方面进行深耕，更有各类大厂的算法工程人员进行技术指导。与此同时，星球将联合知名企业发布3D视觉相关算法开发岗位以及项目对接信息，打造成集技术与就业为一体的铁杆粉丝聚集区，近4000星球成员为创造更好的AI世界共同进步，知识星球入口：
学习3D视觉核心技术，扫描查看介绍，3天内无条件退款
圈里有高质量教程资料、答疑解惑、助你高效解决问题