YOLOv7: conjunto de ventajas entrenables#

YOLOv7, publicado en julio de 2022, supuso un avance significativo en la detección de objetos en tiempo real en el momento de su publicación. Alcanzó un AP del 56,8 % en una GPU V100, estableciendo nuevos referentes cuando se presentó. YOLOv7 superó a detectores de objetos contemporáneos como YOLOR, YOLOX, Scaled-YOLOv4 y YOLOv5 en velocidad y precisión. El modelo se entrena desde cero con el conjunto de datos MS COCO, sin utilizar otros conjuntos de datos ni pesos preentrenados. El código fuente de YOLOv7 está disponible en GitHub. Ten en cuenta que modelos más recientes como YOLO11 y YOLO26 han alcanzado desde entonces una mayor precisión con una eficiencia mejorada.

Comparación de detectores de objetos SOTA#

A partir de los resultados de la tabla de comparación de YOLO sabemos que el método propuesto ofrece, en conjunto, la mejor relación entre velocidad y precisión. Si comparamos YOLOv7-tiny-SiLU con YOLOv5-N (r6.1), nuestro método es 127 fps más rápido y un 10,7 % más preciso en AP. Además, YOLOv7 alcanza un AP del 51,4 % a una frecuencia de 161 fps, mientras que PPYOLOE-L, con el mismo AP, solo alcanza 78 fps. En cuanto al uso de parámetros, YOLOv7 utiliza un 41 % menos que PPYOLOE-L.

Si comparamos YOLOv7-X, con una velocidad de inferencia de 114 fps, con YOLOv5-L (r6.1), con una velocidad de inferencia de 99 fps, YOLOv7-X puede mejorar el AP en un 3,9 %. Si comparamos YOLOv7-X con YOLOv5-X (r6.1), de escala similar, la velocidad de inferencia de YOLOv7-X es 31 fps superior. Además, en cuanto al número de parámetros y al cálculo, YOLOv7-X reduce los parámetros un 22 % y el cálculo un 8 % con respecto a YOLOv5-X (r6.1), pero mejora el AP en un 2,2 % (fuente).

Descripción general#

La detección de objetos en tiempo real es un componente importante de muchos sistemas de visión artificial, incluidos el seguimiento de varios objetos, la conducción autónoma, la robótica y el análisis de imágenes médicas. En los últimos años, el desarrollo de la detección de objetos en tiempo real se ha centrado en diseñar arquitecturas eficientes y mejorar la velocidad de inferencia de diversas CPU, GPU y unidades de procesamiento neuronal (NPUs). YOLOv7 es compatible tanto con dispositivos GPU móviles como con dispositivos GPU, desde el edge hasta la nube.

A diferencia de los detectores de objetos en tiempo real tradicionales, que se centran en optimizar la arquitectura, YOLOv7 introduce un enfoque centrado en optimizar el proceso de entrenamiento. Esto incluye módulos y métodos de optimización diseñados para mejorar la precisión de la detección de objetos sin aumentar el coste de inferencia, un concepto conocido como «conjunto de ventajas entrenables».

Características principales#

YOLOv7 introduce varias características clave:

1. Reparametrización del modelo: YOLOv7 propone un modelo reparametrizado planificado, una estrategia aplicable a capas de distintas redes basada en el concepto de ruta de propagación del gradiente.

2. Asignación dinámica de etiquetas: El entrenamiento del modelo con varias capas de salida plantea una nueva cuestión: «¿Cómo se asignan objetivos dinámicos a las salidas de distintas ramas?». Para resolver este problema, YOLOv7 introduce un nuevo método de asignación de etiquetas denominado asignación de etiquetas guiada por el líder, de grueso a fino.

3. Escalado extendido y compuesto: YOLOv7 propone métodos de «extensión» y «escalado compuesto» para detectores de objetos en tiempo real que permiten utilizar eficazmente los parámetros y el cálculo.

4. Eficiencia: El método propuesto por YOLOv7 puede reducir eficazmente aproximadamente un 40 % de los parámetros y un 50 % del cálculo de los detectores de objetos en tiempo real más avanzados, además de ofrecer una mayor velocidad de inferencia y una precisión de detección superior.

Ejemplos de uso#

Ultralytics no publica pesos preentrenados de yolov7.pt ni archivos YAML de ultralytics/cfg/models/v7/, y el paquete Python de Ultralytics no admite el entrenamiento ni la inferencia nativos de YOLOv7 con PyTorch. Sin embargo, puedes incorporar a Ultralytics un checkpoint de YOLOv7 entrenado en el repositorio original de YOLOv7 exportándolo a ONNX o TensorRT, como se muestra a continuación.

Exportación a ONNX#

Para utilizar el modelo YOLOv7 ONNX con Ultralytics:

1. (Opcional) Instala Ultralytics y exporta un modelo ONNX para instalar automáticamente las dependencias necesarias:

   pip install ultralytics
   yolo export model=yolo26n.pt format=onnx

2. Exporta el modelo YOLOv7 que quieras utilizando el exportador del repositorio de YOLOv7:

   git clone https://github.com/WongKinYiu/yolov7
   cd yolov7
   python export.py --weights yolov7-tiny.pt --grid --end2end --simplify --topk-all 100 --iou-thres 0.65 --conf-thres 0.35 --img-size 640 640 --max-wh 640

3. Modifica el grafo del modelo ONNX para que sea compatible con Ultralytics mediante el siguiente script:

   import numpy as np
   import onnx
   from onnx import helper, numpy_helper
   
   # Load the ONNX model
   model_path = "yolov7/yolov7-tiny.onnx"  # Replace with your model path
   model = onnx.load(model_path)
   graph = model.graph
   
   # Fix input shape to batch size 1
   input_shape = graph.input[0].type.tensor_type.shape
   input_shape.dim[0].dim_value = 1
   
   # Define the output of the original model
   original_output_name = graph.output[0].name
   
   # Create slicing nodes
   sliced_output_name = f"{original_output_name}_sliced"
   
   # Define initializers for slicing (remove the first value)
   start = numpy_helper.from_array(np.array([1], dtype=np.int64), name="slice_start")
   end = numpy_helper.from_array(np.array([7], dtype=np.int64), name="slice_end")
   axes = numpy_helper.from_array(np.array([1], dtype=np.int64), name="slice_axes")
   steps = numpy_helper.from_array(np.array([1], dtype=np.int64), name="slice_steps")
   
   graph.initializer.extend([start, end, axes, steps])
   
   slice_node = helper.make_node(
       "Slice",
       inputs=[original_output_name, "slice_start", "slice_end", "slice_axes", "slice_steps"],
       outputs=[sliced_output_name],
       name="SliceNode",
   )
   graph.node.append(slice_node)
   
   # Define segment slicing
   seg1_start = numpy_helper.from_array(np.array([0], dtype=np.int64), name="seg1_start")
   seg1_end = numpy_helper.from_array(np.array([4], dtype=np.int64), name="seg1_end")
   seg2_start = numpy_helper.from_array(np.array([4], dtype=np.int64), name="seg2_start")
   seg2_end = numpy_helper.from_array(np.array([5], dtype=np.int64), name="seg2_end")
   seg3_start = numpy_helper.from_array(np.array([5], dtype=np.int64), name="seg3_start")
   seg3_end = numpy_helper.from_array(np.array([6], dtype=np.int64), name="seg3_end")
   
   graph.initializer.extend([seg1_start, seg1_end, seg2_start, seg2_end, seg3_start, seg3_end])
   
   # Create intermediate tensors for segments
   segment_1_name = f"{sliced_output_name}_segment1"
   segment_2_name = f"{sliced_output_name}_segment2"
   segment_3_name = f"{sliced_output_name}_segment3"
   
   # Add segment slicing nodes
   graph.node.extend(
       [
           helper.make_node(
               "Slice",
               inputs=[sliced_output_name, "seg1_start", "seg1_end", "slice_axes", "slice_steps"],
               outputs=[segment_1_name],
               name="SliceSegment1",
           ),
           helper.make_node(
               "Slice",
               inputs=[sliced_output_name, "seg2_start", "seg2_end", "slice_axes", "slice_steps"],
               outputs=[segment_2_name],
               name="SliceSegment2",
           ),
           helper.make_node(
               "Slice",
               inputs=[sliced_output_name, "seg3_start", "seg3_end", "slice_axes", "slice_steps"],
               outputs=[segment_3_name],
               name="SliceSegment3",
           ),
       ]
   )
   
   # Concatenate the segments
   concat_output_name = f"{sliced_output_name}_concat"
   concat_node = helper.make_node(
       "Concat",
       inputs=[segment_1_name, segment_3_name, segment_2_name],
       outputs=[concat_output_name],
       axis=1,
       name="ConcatSwapped",
   )
   graph.node.append(concat_node)
   
   # Reshape to [1, -1, 6]
   reshape_shape = numpy_helper.from_array(np.array([1, -1, 6], dtype=np.int64), name="reshape_shape")
   graph.initializer.append(reshape_shape)
   
   final_output_name = f"{concat_output_name}_batched"
   reshape_node = helper.make_node(
       "Reshape",
       inputs=[concat_output_name, "reshape_shape"],
       outputs=[final_output_name],
       name="AddBatchDimension",
   )
   graph.node.append(reshape_node)
   
   # Get the shape of the reshaped tensor
   shape_node_name = f"{final_output_name}_shape"
   shape_node = helper.make_node(
       "Shape",
       inputs=[final_output_name],
       outputs=[shape_node_name],
       name="GetShapeDim",
   )
   graph.node.append(shape_node)
   
   # Extract the second dimension
   dim_1_index = numpy_helper.from_array(np.array([1], dtype=np.int64), name="dim_1_index")
   graph.initializer.append(dim_1_index)
   
   second_dim_name = f"{final_output_name}_dim1"
   gather_node = helper.make_node(
       "Gather",
       inputs=[shape_node_name, "dim_1_index"],
       outputs=[second_dim_name],
       name="GatherSecondDim",
   )
   graph.node.append(gather_node)
   
   # Subtract from 100 to determine how many values to pad
   target_size = numpy_helper.from_array(np.array([100], dtype=np.int64), name="target_size")
   graph.initializer.append(target_size)
   
   pad_size_name = f"{second_dim_name}_padsize"
   sub_node = helper.make_node(
       "Sub",
       inputs=["target_size", second_dim_name],
       outputs=[pad_size_name],
       name="CalculatePadSize",
   )
   graph.node.append(sub_node)
   
   # Build the [2, 3] pad array:
   # 1st row -> [0, 0, 0] (no padding at the start of any dim)
   # 2nd row -> [0, pad_size, 0] (pad only at the end of the second dim)
   pad_starts = numpy_helper.from_array(np.array([0, 0, 0], dtype=np.int64), name="pad_starts")
   graph.initializer.append(pad_starts)
   
   zero_scalar = numpy_helper.from_array(np.array([0], dtype=np.int64), name="zero_scalar")
   graph.initializer.append(zero_scalar)
   
   pad_ends_name = "pad_ends"
   concat_pad_ends_node = helper.make_node(
       "Concat",
       inputs=["zero_scalar", pad_size_name, "zero_scalar"],
       outputs=[pad_ends_name],
       axis=0,
       name="ConcatPadEnds",
   )
   graph.node.append(concat_pad_ends_node)
   
   pad_values_name = "pad_values"
   concat_pad_node = helper.make_node(
       "Concat",
       inputs=["pad_starts", pad_ends_name],
       outputs=[pad_values_name],
       axis=0,
       name="ConcatPadStartsEnds",
   )
   graph.node.append(concat_pad_node)
   
   # Create Pad operator to pad with zeros
   pad_output_name = f"{final_output_name}_padded"
   pad_constant_value = numpy_helper.from_array(
       np.array([0.0], dtype=np.float32),
       name="pad_constant_value",
   )
   graph.initializer.append(pad_constant_value)
   
   pad_node = helper.make_node(
       "Pad",
       inputs=[final_output_name, pad_values_name, "pad_constant_value"],
       outputs=[pad_output_name],
       mode="constant",
       name="PadToFixedSize",
   )
   graph.node.append(pad_node)
   
   # Update the graph's final output to [1, 100, 6]
   new_output_type = onnx.helper.make_tensor_type_proto(
       elem_type=graph.output[0].type.tensor_type.elem_type, shape=[1, 100, 6]
   )
   new_output = onnx.helper.make_value_info(name=pad_output_name, type_proto=new_output_type)
   
   # Replace the old output with the new one
   graph.output.pop()
   graph.output.extend([new_output])
   
   # Save the modified model
   onnx.save(model, "yolov7-ultralytics.onnx")

4. A continuación, puedes cargar el modelo ONNX modificado y ejecutar inferencias con él normalmente en Ultralytics:

   from ultralytics import ASSETS, YOLO
   
   model = YOLO("yolov7-ultralytics.onnx", task="detect")
   
   results = model(ASSETS / "bus.jpg")

Exportación a TensorRT#

1. Sigue los pasos 1-2 de la sección Exportación a ONNX.

2. Instala el paquete Python TensorRT:

   pip install tensorrt

3. Ejecuta el siguiente script para convertir el modelo ONNX modificado en un motor TensorRT:

   from ultralytics.utils.export import onnx2engine
   
   onnx2engine("yolov7-ultralytics.onnx", quantize=16)

4. Carga y ejecuta el modelo en Ultralytics:

   from ultralytics import ASSETS, YOLO
   
   model = YOLO("yolov7-ultralytics.engine", task="detect")
   
   results = model(ASSETS / "bus.jpg")

Citas y agradecimientos#

Queremos agradecer a los autores de YOLOv7 sus importantes contribuciones al campo de la detección de objetos en tiempo real:

@inproceedings{wang2023yolov7,
  title={YOLOv7: Trainable Bag-of-Freebies Sets New State-of-the-Art for Real-Time Object Detectors},
  author={Wang, Chien-Yao and Bochkovskiy, Alexey and Liao, Hong-Yuan Mark},
  booktitle={Proceedings of the IEEE/CVF conference on Computer Vision and Pattern Recognition (CVPR)},
  pages={7464--7475},
  year={2023}
}

El artículo oficial de YOLOv7 se publicó en CVF 2023 Open Access, con una versión preliminar en arXiv. Los autores han puesto su trabajo a disposición del público y se puede acceder al código en GitHub. Agradecemos sus esfuerzos por impulsar este campo y hacer accesible su trabajo a una comunidad más amplia.

Preguntas frecuentes#