在美团刚刚发出yolov6  
    
    
    
，AB大神就带着yolov7来了  
    
    
    
。

     


     


     


 。 




 




 




 。  

   

   

   

。

     

     

     

。这速度是真快  




  




  




  。  


  


  


  

。

在 5-160 FPS 范围内速度和精度超过所有已知目标检测器
     
     
     
。

在 后不到两个星期

     


     


     


 ，提出 YOLOv4 的团队就发布了更新一代的版本
   




   




   




  。

YOLOv7 的论文被提交到了预印版论文平台 arXiv 上 




 




 




 ，其三位作者 Chien-Yao Wang    
    
    
 、Alexey Bochkovskiy 和 Hong-Yuan Mark Liao 是 YOLOv4 的原班人马 



 



 



 

。

相对于其他类型的工具  

   

   

   

，YOLOv7-E6 目标检测器（56 FPS V100

     

     

     

，55.9% AP）比基于 transformer 的检测器 SWINL Cascade-Mask R-CNN（9.2 FPS A100  




  




  




  ，53.9% AP）速度上高出 509%  


  


  


  

，精度高出 2%
     
     
     
，比基于卷积的检测器 ConvNeXt-XL Cascade-Mask R-CNN (8.6 FPS A100, 55.2% AP) 速度高出 551%
   




   




   




  ，精度高出 0.7%                。

此外 



 



 



 

， YOLOv7 的在速度和精度上的表现也优于 YOLOR   


     


     


     、YOLOX



 




 




 




、Scaled-YOLOv4   

   

   

、YOLOv5    

     

     

     、DETR 等多种目标检测器

    




    




    




  。

YoloV7得github

https://github.com/WongKinYiu/yolov7

同时yolov7也出了pose：

https://github.com/WongKinYiu/yolov7/tree/pose

今天我们来训练一下yolov7-pose

1




  




  




  



、数据集

数据集我们依旧采用作者提供的[Keypoints Labels of MS COCO 2017]

下载完成之后                ，我们可视化一下：

这是其中的一个txt

 前5个参数就是cls cx cy cw ch  后面就是17个点的坐标和2.0(我也不知道是啥

    




    




    




  ，难道是置信度
















，还没仔细阅读代码)                 ，所以一共加载一起一共17*3+5=56个参数
















。                 。

     



     



     



  。

可视化一下图片：

 2  


  


  


、配置

大家可以使用其他的yaml文件

     



     



     



  ，自己修改即可















。  
    
    
    
。

     


     


     


 。 




 




 




 。  

   

   

   

。

使用依旧是yolov7-w6.yaml文件

 3     
     
     
    、训练

太慢了

     

     

     

。  




  




  




  。  


  


  


  

。
     
     
     
。
   




   




   




  。 



 



 



 

。本着训练了那就开始训练吧















，  
    
    
    
，

     


     


     


 ， 




 




 




 ，