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

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。