YOLOv7: Bag-of-Freebies Treinável

O YOLOv7 é um detector de objetos em tempo real de última geração que supera todos os detectores de objetos conhecidos em velocidade e precisão na faixa de 5 FPS a 160 FPS. Ele tem a maior precisão (56,8% AP) entre todos os detectores de objetos em tempo real conhecidos com 30 FPS ou superior em GPU V100. Além disso, o YOLOv7 supera outros detectores de objetos, como YOLOR, YOLOX, Scaled-YOLOv4, YOLOv5 e muitos outros em velocidade e precisão. O modelo é treinado no conjunto de dados MS COCO do zero, sem usar nenhum outro conjunto de dados ou pesos pré-treinados. O código-fonte para YOLOv7 está disponível no GitHub.

Comparação de detectores de objetos SOTA

A partir dos resultados na tabela de comparação YOLO, sabemos que o método proposto tem a melhor relação velocidade-precisão de forma abrangente. Se compararmos YOLOv7-tiny-SiLU com YOLOv5-N (r6.1), nosso método é 127 fps mais rápido e 10,7% mais preciso em AP. Além disso, YOLOv7 tem 51,4% AP com taxa de quadros de 161 fps, enquanto PPYOLOE-L com o mesmo AP tem apenas taxa de quadros de 78 fps. Em termos de uso de parâmetros, YOLOv7 é 41% menor que PPYOLOE-L.

Se compararmos o YOLOv7-X com uma velocidade de inferência de 114 fps com o YOLOv5-L (r6.1) com uma velocidade de inferência de 99 fps, o YOLOv7-X pode melhorar o AP em 3,9%. Se o YOLOv7-X for comparado com o YOLOv5-X (r6.1) de escala semelhante, a velocidade de inferência do YOLOv7-X é 31 fps mais rápida. Além disso, em termos de quantidade de parâmetros e computação, o YOLOv7-X reduz 22% dos parâmetros e 8% da computação em comparação com o YOLOv5-X (r6.1), mas melhora o AP em 2,2% (Fonte).

Visão geral

A detecção de objetos em tempo real é um componente importante em muitos sistemas de visão computacional, incluindo rastreamento de múltiplos objetos, direção autônoma, robótica e análise de imagens médicas. Nos últimos anos, o desenvolvimento da detecção de objetos em tempo real se concentrou na concepção de arquiteturas eficientes e na melhoria da velocidade de inferência de várias CPUs, GPUs e unidades de processamento neural (NPUs). O YOLOv7 suporta dispositivos móveis GPU e GPU, da borda à nuvem.

Ao contrário dos detectores de objetos em tempo real tradicionais que se concentram na otimização da arquitetura, o YOLOv7 introduz um foco na otimização do processo de treinamento. Isso inclui módulos e métodos de otimização projetados para melhorar a precisão da detecção de objetos sem aumentar o custo de inferência, um conceito conhecido como "trainable bag-of-freebies".

Principais Características

O YOLOv7 introduz vários recursos importantes:

1. Re-parametrização do Modelo: YOLOv7 propõe um modelo re-parametrizado planejado, que é uma estratégia aplicável a camadas em diferentes redes com o conceito de caminho de propagação do gradiente.

2. Atribuição Dinâmica de Rótulos: O treinamento do modelo com múltiplas camadas de saída apresenta uma nova questão: "Como atribuir alvos dinâmicos para as saídas de diferentes ramificações?" Para resolver este problema, o YOLOv7 introduz um novo método de atribuição de rótulos chamado atribuição de rótulos guiada de forma grossa a fina.

3. Escalonamento Estendido e Composto: O YOLOv7 propõe métodos de "extensão" e "escalonamento composto" para o detector de objetos em tempo real que pode utilizar efetivamente parâmetros e computação.

4. Eficiência: O método proposto pelo YOLOv7 pode efetivamente reduzir cerca de 40% dos parâmetros e 50% da computação do detector de objetos em tempo real de última geração, e tem uma velocidade de inferência mais rápida e maior precisão de detecção.

Exemplos de uso

Atualmente, a Ultralytics suporta apenas a inferência ONNX e TensorRT para o YOLOv7.

Exportação ONNX

Para usar o modelo YOLOv7 ONNX com Ultralytics:

1. (Opcional) Instale o Ultralytics e exporte um modelo ONNX para ter as dependências necessárias instaladas automaticamente:

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

2. Exporte o modelo YOLOv7 desejado usando o exportador no repositório 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. Modifique o gráfico do modelo ONNX para ser compatível com Ultralytics usando o seguinte 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. Em seguida, você pode carregar o modelo ONNX modificado e executar a inferência com ele no Ultralytics normalmente:

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

Exportação TensorRT

1. Siga os passos 1-2 na seção Exportação ONNX.

2. Instale o TensorRT Pacote Python:

   pip install tensorrt
   

3. Execute o seguinte script para converter o modelo ONNX modificado para o motor TensorRT:

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

4. Carregue e execute o modelo no Ultralytics:

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

Citações e Agradecimentos

Gostaríamos de reconhecer os autores do YOLOv7 pelas suas contribuições significativas no campo da deteção de objetos em tempo real:

@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}
}

O artigo original do YOLOv7 pode ser encontrado no arXiv. Os autores disponibilizaram publicamente seu trabalho, e o código pode ser acessado no GitHub. Agradecemos seus esforços em avançar o campo e tornar seu trabalho acessível à comunidade em geral.

FAQ

O que é o YOLOv7 e por que ele é considerado um avanço na detecção de objetos em tempo real?

O YOLOv7 é um modelo de detecção de objetos em tempo real de ponta que alcança velocidade e precisão incomparáveis. Ele supera outros modelos, como YOLOX, YOLOv5 e PPYOLOE, tanto no uso de parâmetros quanto na velocidade de inferência. As características distintivas do YOLOv7 incluem sua reparametrização de modelo e atribuição dinâmica de rótulos, que otimizam seu desempenho sem aumentar os custos de inferência. Para obter mais detalhes técnicos sobre sua arquitetura e métricas de comparação com outros detectores de objetos de última geração, consulte o artigo do YOLOv7.

Como o YOLOv7 melhora os modelos YOLO anteriores, como YOLOv4 e YOLOv5?

O YOLOv7 introduz várias inovações, incluindo a reparametrização do modelo e a atribuição dinâmica de rótulos, que aprimoram o processo de treinamento e melhoram a precisão da inferência. Comparado ao YOLOv5, o YOLOv7 aumenta significativamente a velocidade e a precisão. Por exemplo, o YOLOv7-X melhora a precisão em 2,2% e reduz os parâmetros em 22% em comparação com o YOLOv5-X. Comparações detalhadas podem ser encontradas na tabela de desempenho Comparação do YOLOv7 com detectores de objetos SOTA.

Posso usar YOLOv7 com ferramentas e plataformas Ultralytics?

Atualmente, a Ultralytics suporta apenas a inferência ONNX e TensorRT do YOLOv7. Para executar a versão exportada ONNX e TensorRT do YOLOv7 com a Ultralytics, consulte a secção Exemplos de Utilização.

Como treino um modelo YOLOv7 personalizado usando meu conjunto de dados?

Para instalar e treinar um modelo YOLOv7 personalizado, siga estas etapas:

1. Clone o repositório YOLOv7:

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

2. Navegue até o diretório clonado e instale as dependências:

   cd yolov7
   pip install -r requirements.txt
   

3. Prepare o seu conjunto de dados e configure os parâmetros do modelo de acordo com as instruções de utilização fornecidas no repositório. Para mais orientações, visite o repositório GitHub do YOLOv7 para obter as informações e actualizações mais recentes.

4. Após o treinamento, você pode exportar o modelo para ONNX ou TensorRT para uso em Ultralytics, conforme mostrado em Exemplos de Uso.

Quais são as principais características e otimizações introduzidas no YOLOv7?

O YOLOv7 oferece vários recursos importantes que revolucionam a detecção de objetos em tempo real:

• Re-parametrização do Modelo: Melhora o desempenho do modelo otimizando os caminhos de propagação do gradiente.
• Atribuição Dinâmica de Rótulos: Utiliza um método guiado de forma grosseira a precisa para atribuir alvos dinâmicos para saídas em diferentes ramificações, melhorando a precisão.
• Escalonamento Estendido e Composto: Utiliza eficientemente parâmetros e computação para escalar o modelo para várias aplicações em tempo real.
• Eficiência: Reduz a contagem de parâmetros em 40% e a computação em 50% em comparação com outros modelos de ponta, ao mesmo tempo que alcança velocidades de inferência mais rápidas.

Para obter mais detalhes sobre esses recursos, consulte a seção Visão Geral do YOLOv7.

📅C riado há 2 anos ✏️ Atualizado há 22 dias

Comentários