YOLOv7: Bag-of-Freebies addestrabile#

YOLOv7, rilasciato nel luglio 2022, ha rappresentato un significativo progresso nel rilevamento di oggetti in tempo reale al momento del suo rilascio. Ha raggiunto un AP del 56.8% sulla GPU V100, stabilendo nuovi benchmark al momento della sua introduzione. YOLOv7 ha superato i rilevatori di oggetti contemporanei come YOLOR, YOLOX, Scaled-YOLOv4 e YOLOv5 in termini di velocità e accuratezza. Il modello è addestrato da zero sul dataset MS COCO, senza utilizzare altri dataset né pesi preaddestrati. Il codice sorgente di YOLOv7 è disponibile su GitHub. Nota che modelli più recenti come YOLO11 e YOLO26 hanno da allora raggiunto un'accuratezza superiore con un'efficienza migliorata.

Confronto tra i rilevatori di oggetti SOTA#

Dai risultati della tabella comparativa di YOLO sappiamo che il metodo proposto offre complessivamente il miglior compromesso tra velocità e precisione. Confrontando YOLOv7-tiny-SiLU con YOLOv5-N (r6.1), il nostro metodo è più veloce di 127 fps e più preciso del 10.7% in AP. Inoltre, YOLOv7 raggiunge il 51.4% di AP a una frequenza di 161 fps, mentre PPYOLOE-L, con lo stesso AP, raggiunge solo 78 fps. In termini di numero di parametri, YOLOv7 ne usa il 41% in meno rispetto a PPYOLOE-L.

Confrontando YOLOv7-X, con una velocità di inferenza di 114 fps, con YOLOv5-L (r6.1), che raggiunge 99 fps, YOLOv7-X può migliorare l'AP del 3.9%. Se si confronta YOLOv7-X con YOLOv5-X (r6.1) di dimensioni simili, la velocità di inferenza di YOLOv7-X è superiore di 31 fps. Inoltre, in termini di numero di parametri e calcolo, YOLOv7-X riduce i parametri del 22% e il calcolo dell'8% rispetto a YOLOv5-X (r6.1), migliorando però l'AP del 2.2% (Fonte).

Panoramica#

Il rilevamento di oggetti in tempo reale è una componente importante in molti sistemi di visione artificiale, tra cui il tracciamento di oggetti multipli, la guida autonoma, la robotica e l'analisi di immagini mediche. Negli ultimi anni, lo sviluppo del rilevamento di oggetti in tempo reale si è concentrato sulla progettazione di architetture efficienti e sul miglioramento della velocità di inferenza di varie CPU, GPU e unità di elaborazione neurale (NPUs). YOLOv7 supporta sia i dispositivi GPU mobili sia quelli GPU, dall'edge al cloud.

A differenza dei rilevatori di oggetti tradizionali in tempo reale, che si concentrano sull'ottimizzazione dell'architettura, YOLOv7 introduce un'attenzione particolare all'ottimizzazione del processo di addestramento. Questa comprende moduli e metodi di ottimizzazione progettati per migliorare la precisione del rilevamento di oggetti senza aumentare il costo di inferenza, un concetto noto come "trainable bag-of-freebies".

Funzionalità principali#

YOLOv7 introduce diverse funzionalità chiave:

1. Riparametrizzazione del modello: YOLOv7 propone un modello riparametrizzato pianificato, una strategia applicabile ai livelli di diverse reti basata sul concetto di percorso di propagazione del gradiente.

2. Assegnazione dinamica delle etichette: L'addestramento del modello con più livelli di output pone una nuova questione: "Come assegnare obiettivi dinamici agli output dei diversi rami?" Per risolvere questo problema, YOLOv7 introduce un nuovo metodo di assegnazione delle etichette chiamato assegnazione guidata delle etichette dai livelli grossolani a quelli fini.

3. Ridimensionamento esteso e composto: YOLOv7 propone metodi di "estensione" e "ridimensionamento composto" per il rilevatore di oggetti in tempo reale, che consentono di sfruttare efficacemente i parametri e la potenza di calcolo.

4. Efficienza: Il metodo proposto da YOLOv7 può ridurre efficacemente di circa il 40% i parametri e del 50% la potenza di calcolo rispetto ai rilevatori di oggetti in tempo reale più avanzati, offrendo al contempo una maggiore velocità di inferenza e una precisione di rilevamento superiore.

Esempi d'uso#

Ultralytics non pubblica pesi preaddestrati yolov7.pt né file YAML ultralytics/cfg/models/v7/, e il pacchetto Python di Ultralytics non supporta l'addestramento e l'inferenza nativi di YOLOv7 con PyTorch. Tuttavia, puoi importare in Ultralytics un checkpoint YOLOv7 addestrato nel repository YOLOv7 upstream, esportandolo in ONNX o TensorRT, come mostrato di seguito.

Esportazione ONNX#

Per usare un modello YOLOv7 ONNX con Ultralytics:

1. (Facoltativo) Installa Ultralytics ed esporta un modello ONNX per installare automaticamente le dipendenze necessarie:

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

2. Esporta il modello YOLOv7 desiderato usando l'esportatore nel repository 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 il grafo del modello ONNX per renderlo compatibile con Ultralytics usando il seguente 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. Puoi quindi caricare il modello ONNX modificato ed eseguirne normalmente l'inferenza con Ultralytics:

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

Esportazione TensorRT#

1. Segui i passaggi 1-2 della sezione Esportazione ONNX.

2. Installa il pacchetto Python TensorRT:

   pip install tensorrt

3. Esegui il seguente script per convertire il modello ONNX modificato in un motore TensorRT:

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

4. Carica ed esegui il modello in Ultralytics:

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

Citazioni e ringraziamenti#

Desideriamo ringraziare gli autori di YOLOv7 per il loro importante contributo al campo del rilevamento di oggetti in tempo reale:

@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}
}

L'articolo ufficiale su YOLOv7 è stato pubblicato su CVF 2023 Open Access, con una versione preliminare su arXiv. Gli autori hanno reso pubblica la loro ricerca e il codice è disponibile su GitHub. Apprezziamo il loro impegno nel far progredire il settore e nel rendere il loro lavoro accessibile alla comunità più ampia.

Domande frequenti#