本文經(jīng)AI新媒體量子位（公眾號(hào)ID:QbitAI）授權(quán)轉(zhuǎn)載，轉(zhuǎn)載請(qǐng)聯(lián)系出處。

前腳美團(tuán)剛發(fā)布YOLOv6， YOLO官方團(tuán)隊(duì)又放出新版本。

曾參與YOLO項(xiàng)目維護(hù)的大神Alexey Bochkovskiy在推特上聲稱(chēng)：

官方版YOLOv7比以下版本的精度和速度都要好。

在論文中，團(tuán)隊(duì)詳細(xì)對(duì)比了YOLOv7和其他變體的性能對(duì)比，并介紹v7版本的新變化。

話(huà)不多說(shuō)，YOLOv7有多強(qiáng)一起來(lái)看實(shí)驗(yàn)結(jié)果。

速度、精度都超越其他變體

論文中，實(shí)驗(yàn)以之前版本的YOLO和最先進(jìn)的目標(biāo)檢測(cè)模型作為基準(zhǔn)。

表格是YOLOv7模型在相同的參數(shù)設(shè)置下與其他版本的比較：

數(shù)據(jù)標(biāo)綠代表性能相較于之前版本有所提升，參數(shù)量和計(jì)算量相較于之前版本，大部分均有所減少，AP也有所提升。

即使在云GPU模型上，最新模型仍可以保持較高的AP，與此同時(shí)計(jì)算量和參數(shù)量相較于之前模型也均有所下降。

YOLOv7可以很好地平衡速度與精度。

與現(xiàn)有的通用GPU和移動(dòng)GPU的目標(biāo)檢測(cè)模型進(jìn)行比較：

YOLOv7在速度（FPS）和精度（AP）均超過(guò)其他目標(biāo)檢測(cè)模型。

比如，在輸入分辨率為1280時(shí)，將YOLOv7與YOLOR進(jìn)行比較，YOLOv7-W6的推理速度比YOLOR-P6快8fps，檢測(cè)率也提高了1%AP。

性能是怎么提升的？

改進(jìn)實(shí)時(shí)目標(biāo)檢測(cè)模型的性能，往往要從以下幾點(diǎn)入手：

1、更快更強(qiáng)的網(wǎng)絡(luò)架構(gòu)；

2、更有效的特征集成方法；

3、更準(zhǔn)確的檢測(cè)方法；

4、更精確的損失函數(shù)；

5、更有效的標(biāo)簽分配方法；

6、更有效的訓(xùn)練方法。

YOLOv7主要從4、5、6入手設(shè)計(jì)性能更好的檢測(cè)模型。

首先，YOLOv7擴(kuò)展了高效長(zhǎng)程注意力網(wǎng)絡(luò)，稱(chēng)為Extended-ELAN（簡(jiǎn)稱(chēng)E-ELAN）。

在大規(guī)模的ELAN中，無(wú)論梯度路徑長(zhǎng)度和塊的數(shù)量如何，網(wǎng)絡(luò)都能達(dá)到穩(wěn)定狀態(tài)。

但是如果無(wú)限地堆疊計(jì)算塊，這種穩(wěn)定狀態(tài)也可能會(huì)被破壞，參數(shù)利用率也會(huì)降低。

E-ELAN對(duì)基數(shù)(Cardinality)做了擴(kuò)展(Expand)、亂序(Shuffle)、合并(Merge cardinality)，能在不破壞原始梯度路徑的情況下，提高網(wǎng)絡(luò)的學(xué)習(xí)能力。

在架構(gòu)方面，E-ELAN只改變了計(jì)算塊中的體系結(jié)構(gòu)，沒(méi)有改變過(guò)渡層的體系結(jié)構(gòu)。

除了保持原來(lái)ELAN的設(shè)計(jì)架構(gòu)外，E-ELAN還可以引導(dǎo)不同的計(jì)算塊組來(lái)學(xué)習(xí)更多樣化的特性。

而后，YOLOv7采用基于級(jí)聯(lián)的(Concatenation-based)模型縮放方法。

模型縮放是指調(diào)整模型的一些屬性，生成不同尺度的模型，以滿(mǎn)足不同推理速度的需求。

然而，模型縮放如果應(yīng)用于基于連接的架構(gòu)，當(dāng)擴(kuò)大或縮小執(zhí)行深度時(shí)，基于連接的翻譯層的計(jì)算塊將減少或增加。

由此可以推斷，對(duì)于基于級(jí)聯(lián)的模型，不能單獨(dú)分析不同的縮放因子，必須一起考慮。

基于級(jí)聯(lián)的模型縮放方法是一個(gè)復(fù)合模型縮放方法，當(dāng)縮放一個(gè)計(jì)算塊的深度因子時(shí)，同時(shí)也要計(jì)算該塊輸出通道的變化。

然后，對(duì)過(guò)渡層以相同的變化量進(jìn)行寬度因子縮放，這樣就可以保持模型在初始設(shè)計(jì)時(shí)的特性，并保持最優(yōu)結(jié)構(gòu)。

在論文研究中，作者還設(shè)計(jì)了有計(jì)劃的重新參數(shù)化卷積（Planned re-parameterized convolution）。

RepConv在VGG中有比較優(yōu)異的性能，但當(dāng)它直接應(yīng)用于ResNet、DenseNet或者其他架構(gòu)時(shí)，精度會(huì)明顯降低。

這是因?yàn)镽epConv中的直連（Identity connection）破壞了ResNet中的殘差和DenseNet中的連接。

因此，論文研究中使用沒(méi)有直連的RepConv(RepConvN)來(lái)設(shè)計(jì)網(wǎng)絡(luò)結(jié)構(gòu)。

在YOLOv7的標(biāo)簽分配機(jī)制中，需要同時(shí)考慮網(wǎng)絡(luò)預(yù)測(cè)結(jié)果與基準(zhǔn)，然后將軟標(biāo)簽（綜合考慮，優(yōu)化之后的標(biāo)簽）分配到“l(fā)abel assigner”機(jī)制。

那么接下來(lái)，“軟標(biāo)簽要分配給auxiliary head還是lead head呢？”

論文提出了一種新的標(biāo)簽分配法，如下圖中的（d）、（e），基于lead head預(yù)測(cè)，生成從粗到細(xì)的層次標(biāo)簽，分別用于lead head和auxiliary head的學(xué)習(xí)。

圖(d)讓較淺的auxiliary head學(xué)習(xí)lead head已經(jīng)學(xué)習(xí)到的信息，而輸lead head則可以更專(zhuān)注于為學(xué)習(xí)到的殘差信息。

而e圖中，會(huì)生成兩組軟標(biāo)簽，即粗標(biāo)簽和細(xì)標(biāo)簽。auxiliary head不如lead head學(xué)習(xí)能力強(qiáng)，因此要重點(diǎn)優(yōu)化它的召回率，避免丟失掉需要學(xué)習(xí)的信息。

目前，YOLOv7已官方開(kāi)源，有興趣的伙伴可以戳下文鏈接。