本文經AI新媒體量子位（公眾號ID:QbitAI）授權轉載，轉載請聯系出處。

前腳美團剛發布YOLOv6， YOLO官方團隊又放出新版本。

曾參與YOLO項目維護的大神Alexey Bochkovskiy在推特上聲稱：

官方版YOLOv7比以下版本的精度和速度都要好。

在論文中，團隊詳細對比了YOLOv7和其他變體的性能對比，并介紹v7版本的新變化。

話不多說，YOLOv7有多強一起來看實驗結果。

速度、精度都超越其他變體

論文中，實驗以之前版本的YOLO和最先進的目標檢測模型作為基準。

表格是YOLOv7模型在相同的參數設置下與其他版本的比較：

數據標綠代表性能相較于之前版本有所提升，參數量和計算量相較于之前版本，大部分均有所減少，AP也有所提升。

即使在云GPU模型上，最新模型仍可以保持較高的AP，與此同時計算量和參數量相較于之前模型也均有所下降。

YOLOv7可以很好地平衡速度與精度。

與現有的通用GPU和移動GPU的目標檢測模型進行比較：

YOLOv7在速度（FPS）和精度（AP）均超過其他目標檢測模型。

比如，在輸入分辨率為1280時，將YOLOv7與YOLOR進行比較，YOLOv7-W6的推理速度比YOLOR-P6快8fps，檢測率也提高了1%AP。

性能是怎么提升的？

改進實時目標檢測模型的性能，往往要從以下幾點入手：

1、更快更強的網絡架構；

2、更有效的特征集成方法；

3、更準確的檢測方法；

4、更精確的損失函數；

5、更有效的標簽分配方法；

6、更有效的訓練方法。

YOLOv7主要從4、5、6入手設計性能更好的檢測模型。

首先，YOLOv7擴展了高效長程注意力網絡，稱為Extended-ELAN（簡稱E-ELAN）。

在大規模的ELAN中，無論梯度路徑長度和塊的數量如何，網絡都能達到穩定狀態。

但是如果無限地堆疊計算塊，這種穩定狀態也可能會被破壞，參數利用率也會降低。

E-ELAN對基數(Cardinality)做了擴展(Expand)、亂序(Shuffle)、合并(Merge cardinality)，能在不破壞原始梯度路徑的情況下，提高網絡的學習能力。

在架構方面，E-ELAN只改變了計算塊中的體系結構，沒有改變過渡層的體系結構。

除了保持原來ELAN的設計架構外，E-ELAN還可以引導不同的計算塊組來學習更多樣化的特性。

而后，YOLOv7采用基于級聯的(Concatenation-based)模型縮放方法。

模型縮放是指調整模型的一些屬性，生成不同尺度的模型，以滿足不同推理速度的需求。

然而，模型縮放如果應用于基于連接的架構，當擴大或縮小執行深度時，基于連接的翻譯層的計算塊將減少或增加。

由此可以推斷，對于基于級聯的模型，不能單獨分析不同的縮放因子，必須一起考慮。

基于級聯的模型縮放方法是一個復合模型縮放方法，當縮放一個計算塊的深度因子時，同時也要計算該塊輸出通道的變化。

然后，對過渡層以相同的變化量進行寬度因子縮放，這樣就可以保持模型在初始設計時的特性，并保持最優結構。

在論文研究中，作者還設計了有計劃的重新參數化卷積（Planned re-parameterized convolution）。

RepConv在VGG中有比較優異的性能，但當它直接應用于ResNet、DenseNet或者其他架構時，精度會明顯降低。

這是因為RepConv中的直連（Identity connection）破壞了ResNet中的殘差和DenseNet中的連接。

因此，論文研究中使用沒有直連的RepConv(RepConvN)來設計網絡結構。

在YOLOv7的標簽分配機制中，需要同時考慮網絡預測結果與基準，然后將軟標簽（綜合考慮，優化之后的標簽）分配到“label assigner”機制。

那么接下來，“軟標簽要分配給auxiliary head還是lead head呢？”

論文提出了一種新的標簽分配法，如下圖中的（d）、（e），基于lead head預測，生成從粗到細的層次標簽，分別用于lead head和auxiliary head的學習。

圖(d)讓較淺的auxiliary head學習lead head已經學習到的信息，而輸lead head則可以更專注于為學習到的殘差信息。

而e圖中，會生成兩組軟標簽，即粗標簽和細標簽。auxiliary head不如lead head學習能力強，因此要重點優化它的召回率，避免丟失掉需要學習的信息。

目前，YOLOv7已官方開源，有興趣的伙伴可以戳下文鏈接。