计算机视觉研究院专栏
作者：Edison_G
请注意，这里的7，不是下一代YOLO，而是一个幸运数字，姑且可以看作是一个代号。它的目的是让YOLO全面开花，不仅仅只是做目标检测。也不是简单的加一个semantic head做分割，而是做一个体系的目标检测积木模块，即插即用，使之能够更简单的做复杂的上层任务，比如多个分类head，实例分割，甚至是加上姿态检测等等。
介绍
目前支持的东西就这么一些，现列举一些大家可能感兴趣的：
- 支持GridMask，Mosiac的数据增强，而且可以可视化；
- 支持YOLOX（很强），而且部署方式比原版更方便，可训练，官方不是唯一可选；
- 支持YOLOv7+实例分割，是SingleStage的方式，目前用的是OrienMaskHead，未来可能增加更多方式；
- 支持DETR，AnchorDETR等transformer，这是独一无二的，在一个框架里面同时被支持；
- YOLOv4 contained with CSP-Darknet53;
- YOLOv7 arch with resnets backbone;
- YOLOv7 arch with resnet-vd backbone (likely as PP-YOLO), deformable conv, Mish etc;
- GridMask augmentation from PP-YOLO included;
- YOLOv7 arch Swin-Transformer support (higher accuracy but lower speed);
- YOLOv7 arch Efficientnet + BiFPN;
- YOLOv5 style positive samples selection, new coordinates coding style;
- RandomColorDistortion, RandomExpand, RandomCrop, RandomFlip;
- CIoU loss (DIoU, GIoU) and label smoothing (from YOLOv5 & YOLOv4);
- YOLOF also included;
- YOLOv7 Res2net + FPN supported;
- Pyramid Vision Transformer v2 (PVTv2) supported;
- WBF (Weighted Box Fusion), this works better than NMS, link;
- YOLOX like head design and anchor design, also training support;
- YOLOX s,m,l backbone and PAFPN added, we have a new combination of YOLOX backbone and pafpn;
- YOLOv7 with Res2Net-v1d backbone, we found res2net-v1d have 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 and onnx export supported, as well as TensorRT acceleration;
- AnchorDETR: Faster converge version of detr, now supported!
最后强调一下，这个版本里面的transformer是支持转到ONNX的，并且这个ONNX是可以被TensorRT推理的。据我所知，这在全网没有任何一个开源的仓库做得到。
社区支持
为什么要开源这个框架，原因主要是两个：
- 我希望利用社区的力量把它做的更完善，增加更多的功能，这一年我们越来越相信社区的力量，众人拾材火焰高，不同的人研究优化不同的方向，就可以把这个框架被更多人用起来，用它训练的模型和部署起来的模型就可以跑在更多的地方，这才是价值所在；
- 我没有卡继续维护这些模型，希望有卡的朋友们一起来训模型，把社区做起来。
一个好的框架离不开发起人的积极参与和技术支持，我会一如既往的回答大家的问题，希望能给开源尽一些绵薄之力。
非常欢迎有时间，有计算资源，懂行的朋友来贡献代码或者模型，尤其是做目标检测方向的朋友们，这确实是发自内心一个非常良心的建议，把这些好的算法都汇聚到一起来吧。让社区的力量把它发展的更加壮大。
Github：https://github.com/jinfagang/yolov7
GridMask
Mosaic
© THE END
计算机视觉研究院主要涉及深度学习领域，主要致力于人脸检测、人脸识别，多目标检测、目标跟踪、图像分割等研究方向。研究院接下来会不断分享最新的论文算法新框架，我们这次改革不同点就是，我们要着重”研究“。之后我们会针对相应领域分享实践过程，让大家真正体会摆脱理论的真实场景，培养爱动手编程爱动脑思考的习惯！
