YOLOv7: Trainable Bag-of-Freebies

O YOLOv7, lançado em julho de 2022, foi um avanço significativo na detecção de objetos em tempo real na época do seu lançamento. Ele alcançou 56,8% de AP em uma GPU V100, estabelecendo novos benchmarks quando foi introduzido. O YOLOv7 superou detectores de objetos contemporâneos, como YOLOR, YOLOX, Scaled-YOLOv4 e YOLOv5, em velocidade e precisão. O modelo é treinado no conjunto de dados MS COCO do zero, sem usar outros conjuntos de dados ou pesos pré-treinados. O código-fonte do YOLOv7 está disponível no GitHub. Observe que modelos mais novos, como YOLO11 e YOLO26, alcançaram desde então maior precisão com eficiência aprimorada.

Comparação de detectores de objetos SOTA

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

Se compararmos o YOLOv7-X com 114 fps de velocidade de inferência com o YOLOv5-L (r6.1) com 99 fps de velocidade de inferência, o YOLOv7-X consegue melhorar o AP em 3,9%. Se o YOLOv7-X for comparado com o YOLOv5-X (r6.1) de escala similar, a velocidade de inferência do YOLOv7-X é 31 fps mais rápida. Além disso, em termos da 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 objetos múltiplo, condução autónoma, robótica e análise de imagens médicas. Nos últimos anos, o desenvolvimento de detecção de objetos em tempo real concentrou-se na concepção de arquitecturas 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, desde a periferia até 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 treino. Isto inclui módulos e métodos de otimização concebidos para melhorar a precisão da detecção de objetos sem aumentar o custo de inferência, um conceito conhecido como "trainable bag-of-freebies".

Principais recursos

O YOLOv7 introduz várias funcionalidades chave:

1. Remodelação de parâmetros do modelo: O YOLOv7 propõe um modelo reparametrizado planeado, que é uma estratégia aplicável a camadas em diferentes redes com o conceito de caminho de propagação de gradiente.

2. Atribuição dinâmica de etiquetas: O treino do modelo com múltiplas camadas de saída apresenta um novo problema: "Como atribuir alvos dinâmicos para as saídas de diferentes ramos?" Para resolver este problema, o YOLOv7 introduz um novo método de atribuição de etiquetas chamado coarse-to-fine lead guided label assignment.

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 eficazmente parâmetros e computação.

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

Exemplos de Uso

A Ultralytics não publica pesos pré-treinados yolov7.pt ou YAMLs ultralytics/cfg/models/v7/, e o treino e inferência nativos em PyTorch para YOLOv7 não são suportados pelo pacote Python da Ultralytics. No entanto, podes trazer um checkpoint YOLOv7 treinado no repositório upstream YOLOv7 para a Ultralytics, exportando-o para ONNX ou TensorRT, como mostrado abaixo.

Exportação ONNX

Para usares o modelo YOLOv7 ONNX com a Ultralytics:

1. (Opcional) Instala a Ultralytics e exporta um modelo ONNX para teres as dependências necessárias instaladas automaticamente:

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

2. Exporta 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. Modifica o gráfico do modelo ONNX para ser compatível com a 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. Podes então carregar o modelo ONNX modificado e executar a inferência com ele na Ultralytics normalmente:

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

Exportação TensorRT

1. Segue os passos 1-2 na secção Exportação ONNX.

2. Instala o pacote Python TensorRT:

   pip install tensorrt

3. Executa 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. Carrega e executa o modelo na Ultralytics:

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

Citações e Agradecimentos

Gostaríamos de agradecer aos autores do YOLOv7 pelas suas contribuições significativas no campo da detecção 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 o seu trabalho publicamente e o código-fonte pode ser acedido no GitHub. Apreciamos os seus esforços no avanço do campo e em tornar o seu trabalho acessível à comunidade em geral.

FAQ

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

O YOLOv7, lançado em julho de 2022, foi um modelo de detecção de objetos em tempo real significativo que alcançou excelente velocidade e precisão na altura do seu lançamento. Superou modelos contemporâneos como YOLOX, YOLOv5 e PPYOLOE tanto na utilização de parâmetros como na velocidade de inferência. As características distintivas do YOLOv7 incluem a sua reparametrização de modelo e atribuição dinâmica de etiquetas, que otimizam o seu desempenho sem aumentar os custos de inferência. Para mais detalhes técnicos sobre a sua arquitetura e métricas de comparação com outros detectores de objetos de última geração, consulta o artigo do YOLOv7.

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

O YOLOv7 introduz várias inovações, incluindo reparametrização de modelos e atribuição dinâmica de etiquetas, que melhoram o processo de treino e a precisão da inferência. Comparado com o 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 o YOLOv7 com ferramentas e plataformas da Ultralytics?

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

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

Para instalar e treinar um modelo YOLOv7 personalizado, segue estes passos:

1. Clona o repositório YOLOv7:

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

2. Navega para o diretório clonado e instala as dependências:

   cd yolov7
   pip install -r requirements.txt

3. Prepara o teu conjunto de dados e configura os parâmetros do modelo de acordo com as instruções de utilização fornecidas no repositório. Para mais orientação, visita o repositório GitHub do YOLOv7 para as informações e atualizações mais recentes.

4. Após o treino, podes exportar o modelo para ONNX ou TensorRT para usar na Ultralytics como mostrado em Exemplos de Utilização.

Quais são as principais funcionalidades e otimizações introduzidas no YOLOv7?

O YOLOv7 oferece várias funcionalidades chave que revolucionam a detecção de objetos em tempo real:

• Remodelação de parâmetros do modelo: Melhora o desempenho do modelo ao otimizar os caminhos de propagação de gradiente.
• Atribuição dinâmica de etiquetas: Utiliza um método orientado por lead coarse-to-fine para atribuir alvos dinâmicos para saídas entre diferentes ramos, 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 última geração, alcançando velocidades de inferência mais rápidas.

Para mais detalhes sobre estas funcionalidades, consulta a secção Visão Geral do YOLOv7.