YOLO V7来临!刚刚台湾省中央研究院资讯科学研究所研究人员发布最新版本YOLO

标签:YOLO系列,计算机视觉 时间:2022-07-07 11:28:34.399 发布者:小木

论文名:YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object detectors
发布时间:2022年7月
论文地址:https://arxiv.org/abs/2207.02696
代码地址:https://github.com/WongKinYiu/yolov7

原文摘要:YOLOv7在5 FPS到160 FPS范围内的速度和准确度都超过了所有已知的物体检测器,并且在GPU V100上30 FPS或更高的所有已知实时物体检测器中具有最高的准确度56.8% AP。YOLOv7-E6物体检测器(56 FPS V100, 55.9% AP)比基于变压器的检测器SWIN-L Cascade-Mask R-CNN(9.2 FPS A100, 53. 9%)的速度和2%的准确率,以及基于卷积的检测器ConvNeXt-XL级联掩码R-CNN(8.6 FPS A100, 55.2% AP)的速度和0.7%的准确率,以及YOLOv7的表现。YOLOR、YOLOX、Scaled-YOLOv4、YOLOv5、DETR、Deformable DETR、DINO-5scale-R50、ViT-Adapter-B和其他许多物体检测器在速度和准确度方面的表现。此外,我们只在MS COCO数据集上从头开始训练YOLOv7,不使用任何其他数据集或预训练的权重。