yolov4网络结构（yolov7 网络架构深度解析）
在美团yolov6刚出来不到一个月 ，yolov4的官方人马yolov7带着论文和代码高调现身 ，迅速霸屏 ，膜拜下速度和精度：
四个字“多快好省 ” ，yolov7依旧基于anchor based的方法 ，同时在网络架构上增加E-ELAN层 ，并将REP层也加入进来 ，方便后续部署 ，同时在训练时 ，在head时 ，新增Aux_detect用于辅助检测 ，个人理解是对预测结果的一种初筛 ，有种two-stage的感觉（欢迎打脸） 。网上基于yolov7的解读有很多 ，文末会附上yolov7的ariv论文连接和开源代码的github链接 。本文先和大家分享下整个yolov7的网络架构（基于tag0.1版本的yolov7L） ，后续再基于各个模块根据自己的理解分享给大家 。
整体框架
如果大家需文中ppt使用 ，请点击下方链接 ，关注公众号 ，后台添加微信 ，领取 ，备注“ppt ” 。 yolov7网络架构深度解析
以上为yolov7整体的网络架构 ，从图中可看出yolov7网络由三个部分组成：input ，backbone和head ，与yolov5不同的是 ，将neck层与head层合称为head层 ，实际上的功能的一样的 。对各个部分的功能和yolov5相同 ，如backbone用于提取特征 ，head用于预测 。
根据上图的架构图走一遍网络流程：先对输入的图片预处理 ，对齐成640*640大小的RGB图片 ，输入到backbone网络中 ，根据backbone网络中的三层输出 ，在head层通过backbone网络继续输出三层不同size大小的feature map（以下简称fm） ，经过RepVGG block 和conv ，对图像检测的三类任务（分类 、前后背景分类 、边框）预测 ，输出最后的结果 。
backbone
yolov7的backbone层如上图所示 ，由若干BConv层 、E-ELAN层以及MPConv层组成 ，其中BConv层由卷积层+BN层+激活函数组成 ，在tag0.1版本中的激活函数为ReakyReLu 。
不同颜色的Bconv表示卷积的kernel不同（以下k表示kernel长宽大小 ，s表示stride, o为outchannel, i为inchannel, 其中o=i表示outchannel=inchannel, o≠i表示outchannel与inchannel无相关性 ，并非其值一定不相等） ，第一个为（k=1,s=1）的点卷积核的卷积 ，输入输出的长宽不变 ，第二个为（k=3,s=1）卷积核的卷积 ，输出输出的长宽也不变 ，第三个是s=2,输出的长宽为输入的一半 。上述不同颜色的Bconv主要为了区分k和s ，不区分输入输出通道 。E-ELAN层也是由不同的卷积拼接而成 ，如下图所示：
整个E-ELAN层输入输出的长宽不变 ，channel上o=2i, 其中2i是由4个conv层输出channel为i/2的输出concate拼接而成 。
MPConv层（名字自取的 ，如果有实际确定的命名 ，欢迎私聊我改正）流程如上图 ，输入输出通道相同 ，输出长宽为输入长宽的一半 ，上分支通过maxpooling使长宽减半 ，通过BConv对通道减半 ，下分支则通过第一个BConv对通道减半 ，第二的k=3 ，s=2的Bconv对长宽减半 ，而后上下分支cat合并 ，得到长宽减半 ，o=i的输出 。综述整个backbone层由若干BConv层 、E-ELAN层以及MPConv层交替减半长宽 ，增倍通道 ，提取特征 。
head
如上图所示 ，整个head层通过SPPCPC层 、若干BConv层 、若干MPConv层 、若干Catconv层以及后续输出三个head的RepVGG block层组成 。
其中SPPCPC层如下图：整个SPPCSPC层的输出层channel为out_channel ，计算中会计算出一个hidden_channel = int(2eout_channel) ，用于对hidden_channel(以下统称hc)拓展 ，一般取e=0.5 ，则hc=out_channel 。具体的流程如下图：
Catconv层（名字自取的 ，如果有实际确定的命名 ，欢迎私聊我改正）与E-ELAN层的操作基本相同：
整个Catconv层输入输出的长宽不变 ，channel上o=2i, 其中2i是由6个conv层输出channel为i/2的输出concate拼接而成 。REP层即repvgg_block层 ，为今年超级火的一个部署友好的网络层 ，yolov6中也有用到：
REP在训练和部署的时候结构不同 ，在训练的时候由33的卷积添加11的卷积分支 ，同时如果输入和输出的channel以及h,w的size一致时 ，再添加一个BN的分支 ，三个分支相加输出 ，在部署时 ，为了方便部署 ，会将分支的参数重参数化到主分支上 ，取3*3的主分支卷积输出 。整个head层的流程为 ，如上图所示输出三个feature map后 ，分别通过三个REP和conv层输出三个不同size大小的未经处理的预测结果 。
以上为个人理解 ，再看其他的yolov7网络架构 ，会有DownC和ReOrg两个yolov7L中未出现的层 ，其中DownC层与MPConv层异曲同工：
ReOrg层与yolov5前期的focus层的切片原理相同 。如有理解偏差 ，欢迎交流 ，后续根据yolov7中各个模块中的详细的原理以及代码继续更新 ，希望对大家有帮助 。【yolov7系列】网络框架细节拆解
参考：
[1] https://github.com/WongKinYiu/yolov7（官方github代码）
[2] https://arxiv.org/pdf/2207.02696.pdf(yolov7论文)
[3]https://www.zhihu.com/question/541985721
[4]YOLOv7官方开源 | Alexey Bochkovskiy站台 ，精度速度超越所有YOLO ，还得是AB (qq.com)
[5] YOLOv7来临：论文详读和解析 (qq.com)
[6]【yolov6系列】细节拆解网络框架 (qq.com)创心域SEO版权声明：以上内容作者已申请原创保护，未经允许不得转载，侵权必究！授权事宜、对本内容有异议或投诉，敬请联系网站管理员，我们将尽快回复您，谢谢合作！