YOLOv7：トレーニング可能なバッグ・オブ・フリービー

YOLOv7 、5 FPSから160 FPSの範囲において、すべての既知のオブジェクト検出器を速度と精度の両方で凌駕する最先端のリアルタイムオブジェクト検出器です。YOLOv7 は、GPU V100 上で 30 FPS 以上のリアルタイム物体検出器として、既知のすべてのリアルタイム物体検出器の中で最高の精度（AP 56.8%）を誇ります。さらに、YOLOv7 、YOLOR、YOLOX、Scaled-YOLOv4、YOLOv5、その他多くの他のオブジェクト検出器よりも速度と精度で優れています。このモデルは、他のデータセットや事前に訓練された重みを使用することなく、MSCOCO データセットでゼロから訓練されています。YOLOv7 ソースコードはGitHubで公開されている。

SOTA 物体検出器の比較

YOLO 比較表の結果から、提案手法が総合的に最も優れた速度と精度のトレードオフを持っていることがわかる。YOLOv7 YOLOv5(r6.1)を比較すると、提案手法は127fps速く、AP10.7%正確です。さらに、YOLOv7 フレームレート161fpsで51.4%のAP 持つが、同じAP 持つPPYOLOE-Lのフレームレートは78fpsしかない。パラメータ使用量では、YOLOv7 PPYOLOE-Lより41％少ない。

推論速度114fpsのYOLOv7推論速度99fpsのYOLOv5（r6.1）を比較すると、YOLOv7 AP 3.9%改善できる。YOLOv7同規模のYOLOv5（r6.1）と比較すると、YOLOv7推論速度は31fps速い。また、パラメータと計算量の面では、YOLOv7 YOLOv5(r6.1)と比較して、パラメータを22%、計算量を8%削減したが、AP 2.2%改善した(出典)。

概要

リアルタイム物体検出は、多オブジェクト追跡、自律走行、ロボット工学、医療画像解析など、多くのコンピュータビジョンシステムにおいて重要な要素である。近年、リアルタイム物体検出の開発は、効率的なアーキテクチャの設計と、様々なCPU、GPU、およびニューラル・プロセッシング・ユニット（NPU）の推論速度の向上に焦点を当てています。YOLOv7 、エッジからクラウドまで、モバイルGPU GPU デバイスの両方をサポートしています。

YOLOv7 、アーキテクチャの最適化に焦点を当てた従来のリアルタイム物体検出器とは異なり、学習プロセスの最適化に焦点を当てています。これには、推論コストを増加させることなく物体検出の精度を向上させるように設計されたモジュールと最適化手法が含まれ、「訓練可能なフリービーバッグ（trainable bag-of-freebies）」として知られる概念である。

主な特徴

YOLOv7 いくつかの重要な特徴がある：

1. モデルの再パラメータ化 YOLOv7 、計画的な再パラメータ化モデルを提案する。これは、勾配伝搬経路の概念を持つ異なるネットワークの層に適用可能な戦略である。

2. 動的なラベルの割り当て：複数の出力層を持つモデルのトレーニングは、新たな問題を提示する：「異なる分岐の出力に対して、どのように動的なターゲットを割り当てるか？この問題を解決するために、YOLOv7 、粗から細へのリードガイドラベル割り当てと呼ばれる新しいラベル割り当て方法を導入している。

3. 拡張と複合スケーリング：YOLOv7 、パラメータと計算を効果的に利用できるリアルタイム物体検出のための「拡張」と「複合スケーリング」手法を提案している。

4. 効率：YOLOv7 提案する方法は、最先端のリアルタイム物体検出器の約40％のパラメータと50％の計算量を効果的に削減することができ、より速い推論速度とより高い検出精度を有する。

使用例

本稿執筆時点では、Ultralytics YOLOv7 ONNX TensorRT 推論のみをサポートしている。

ONNXエクスポート

YOLOv7 ONNX モデルをUltralytics使用するには：

1. （オプション）必要な依存関係を自動的にインストールするために、Ultralyticsをインストールし、ONNXモデルをエクスポートします。

   pip install ultralytics
   yolo export model=yolo11n.pt format=onnx
   

2. YOLOv7 レポのエクスポーターを使って、必要なYOLOv7 モデルをエクスポートする：

   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. 次のスクリプトを使用して、Ultralyticsと互換性があるようにONNXモデルグラフを変更します。

   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. 次に、変更されたONNXモデルをロードし、Ultralyticsで通常どおりに推論を実行できます。

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

TensorRTエクスポート

1. ONNXエクスポートセクションのステップ1〜2に従ってください。

2. 以下のインストール TensorRT python パッケージ：

   pip install tensorrt
   

3. 変更されたONNXモデルをTensorRTエンジンに変換するには、次のスクリプトを実行します。

   from ultralytics.utils.export import export_engine
   
   export_engine("yolov7-ultralytics.onnx", half=True)
   

4. Ultralyticsでモデルをロードして実行:

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

引用と謝辞

YOLOv7 作者のリアルタイム物体検出分野における多大な貢献に感謝したい：

@article{wang2022yolov7,
  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},
  journal={arXiv preprint arXiv:2207.02696},
  year={2022}
}

オリジナルのYOLOv7 論文はarXivに掲載されている。著者らは彼らの研究を公開し、コードベースはGitHubでアクセスできる。我々は、この分野を発展させ、より広いコミュニティが彼らの研究にアクセスできるようにした彼らの努力に感謝している。

よくある質問

YOLOv7 何か、そしてなぜリアルタイム物体検出のブレークスルーと言われるのか？

YOLOv7 、圧倒的なスピードと精度を実現した最先端のリアルタイム物体検出モデルです。YOLOX、YOLOv5、PPYOLOEといった他のモデルを、パラメータ使用量と推論速度の両方で凌駕しています。YOLOv77の特徴的な機能には、モデルの再パラメーター化と動的なラベル割り当てがあり、推論コストを増加させることなくパフォーマンスを最適化します。YOLOv7 7のアーキテクチャの詳細と、他の最先端の物体検出器との比較指標については、YOLOv7 論文を参照してください。

YOLOv7 、YOLOv4やYOLOv5これまでのYOLO モデルをどのように改良したのですか？

YOLOv7 、モデルの再パラメータ化や動的なラベル割り当てなど、学習プロセスを強化し推論精度を向上させるいくつかのイノベーションを導入している。YOLOv5比較して、YOLOv7 スピードと精度を大幅に向上させた。例えば、YOLOv7 YOLOv5比較して、精度を2.2%向上させ、パラメータを22%削減した。詳細な比較は、性能表YOLOv7 SOTA物体検出器の比較でご覧いただけます。

YOLOv7 Ultralytics ツールやプラットフォームで使用できますか？

現在のところ、Ultralytics YOLOv7 ONNX TensorRT 推論のみをサポートしています。YOLOv7 7のONNX TensorRT エクスポートバージョンをUltralytics実行するには、使用例セクションをチェックしてください。

自分のデータセットを使ってカスタムYOLOv7 モデルをトレーニングするには？

YOLOv7 カスタムモデルをインストールしてトレーニングするには、以下の手順に従ってください：

1. YOLOv7 リポジトリをクローンする：

   git clone https://github.com/WongKinYiu/yolov7
   

2. クローンされたディレクトリに移動し、依存関係をインストールします:

   cd yolov7
   pip install -r requirements.txt
   

3. データセットを準備し、リポジトリで提供されている使用方法に従ってモデルパラメータを設定します。さらなるガイダンスについては、YOLOv7 GitHubリポジトリで最新情報とアップデートをご覧ください。

4. トレーニング後、モデルをONNXまたはTensorRTにエクスポートして、使用例に示すようにUltralyticsで使用できます。

YOLOv7導入された主な機能と最適化について教えてください。

YOLOv7 、リアルタイムの物体検出に革命をもたらすいくつかの重要な機能を提供する：

• モデルの再パラメータ化：勾配伝播パスを最適化することにより、モデルのパフォーマンスを向上させます。
• 動的ラベル割り当て: 粗から細へのリード誘導法を使用して、異なるブランチの出力に動的なターゲットを割り当て、精度を向上させます。
• 拡張および複合スケーリング: さまざまなリアルタイムアプリケーションに合わせてモデルを効率的にスケーリングするために、パラメータと計算を効率的に利用します。
• 効率: 他の最先端モデルと比較して、パラメータ数を40％削減し、計算量を50％削減しながら、より高速な推論速度を実現します。

これらの機能の詳細については、YOLOv7 概要セクションを参照してください。

📅 2年前に作成✏️ 1か月前に更新

コメント