YOLOv7: Trainable Bag-of-Freebies

YOLOv7 — это современный детектор объектов реального времени, который превосходит все известные детекторы объектов как по скорости, так и по точности в диапазоне от 5 FPS до 160 FPS. Он имеет самую высокую точность (56,8% AP) среди всех известных детекторов объектов реального времени с 30 FPS или выше на GPU V100. Более того, YOLOv7 превосходит другие детекторы объектов, такие как YOLOR, YOLOX, Scaled-YOLOv4, YOLOv5 и многие другие, по скорости и точности. Модель обучена на наборе данных MS COCO с нуля без использования каких-либо других наборов данных или предварительно обученных весов. Исходный код для YOLOv7 доступен на GitHub.

Сравнение современных детекторов объектов (SOTA)

Из результатов в таблице сравнения YOLO мы знаем, что предложенный метод имеет наилучший компромисс между скоростью и точностью. Если мы сравним YOLOv7-tiny-SiLU с YOLOv5-N (r6.1), наш метод на 127 кадров в секунду быстрее и на 10,7% точнее по AP. Кроме того, YOLOv7 имеет 51,4% AP при частоте кадров 161 кадр в секунду, в то время как PPYOLOE-L с тем же AP имеет частоту кадров всего 78 кадров в секунду. С точки зрения использования параметров, YOLOv7 на 41% меньше, чем PPYOLOE-L.

Если сравнить YOLOv7-X со скоростью инференса 114 кадров в секунду с YOLOv5-L (r6.1) со скоростью инференса 99 кадров в секунду, YOLOv7-X может улучшить AP на 3,9%. Если YOLOv7-X сравнивается с YOLOv5-X (r6.1) аналогичного масштаба, скорость инференса YOLOv7-X на 31 кадр в секунду выше. Кроме того, с точки зрения количества параметров и вычислений, YOLOv7-X уменьшает 22% параметров и 8% вычислений по сравнению с YOLOv5-X (r6.1), но улучшает AP на 2,2% (Source).

Обзор

Обнаружение объектов в реальном времени является важным компонентом во многих системах компьютерного зрения, включая много-объектное отслеживание, автономное вождение, робототехнику и анализ медицинских изображений. В последние годы разработка систем обнаружения объектов в реальном времени была сосредоточена на проектировании эффективных архитектур и повышении скорости инференса различных CPU, GPU и нейронных процессоров (NPU). YOLOv7 поддерживает как мобильные GPU, так и GPU устройства, от периферии до облака.

В отличие от традиционных детекторов объектов реального времени, которые фокусируются на оптимизации архитектуры, YOLOv7 уделяет особое внимание оптимизации процесса обучения. Это включает в себя модули и методы оптимизации, предназначенные для повышения точности обнаружения объектов без увеличения стоимости логического вывода, концепция, известная как «обучаемый набор бесплатных улучшений» (trainable bag-of-freebies).

Основные характеристики

YOLOv7 представляет несколько ключевых особенностей:

1. Репараметризация модели: YOLOv7 предлагает запланированную репараметризованную модель, которая представляет собой стратегию, применимую к слоям в различных сетях с концепцией пути распространения градиента.

2. Динамическое назначение меток: Обучение модели с несколькими выходными слоями представляет новую проблему: «Как назначать динамические цели для выходов различных ветвей?» Чтобы решить эту проблему, YOLOv7 представляет новый метод назначения меток, называемый методом назначения меток с грубой и точной ведущей направляющей.

3. Расширенное и составное масштабирование: YOLOv7 предлагает методы «расширения» и «составного масштабирования» для детектора объектов реального времени, которые могут эффективно использовать параметры и вычисления.

4. Эффективность: Метод, предложенный YOLOv7, позволяет эффективно сократить примерно 40% параметров и 50% вычислений современного детектора объектов реального времени, а также имеет более высокую скорость логического вывода и более высокую точность обнаружения.

Примеры использования

На момент написания Ultralytics поддерживает только вывод ONNX и TensorRT для YOLOv7.

Экспорт в ONNX

Чтобы использовать YOLOv7 ONNX модель с Ultralytics:

1. (Опционально) Установите Ultralytics и экспортируйте модель ONNX, чтобы необходимые зависимости установились автоматически:

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

2. Экспортируйте желаемую модель YOLOv7, используя экспортер в репозитории 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. Измените граф модели ONNX, чтобы он был совместим с Ultralytics, используя следующий скрипт:

   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. Затем вы можете загрузить измененную модель ONNX и запустить инференс с ее помощью в Ultralytics в обычном режиме:

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

Экспорт в TensorRT

1. Выполните шаги 1-2 в разделе Экспорт в ONNX.

2. Установите TensorRT Пакет python:

   pip install tensorrt
   

3. Запустите следующий скрипт для конвертации измененной модели ONNX в движок TensorRT:

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

4. Загрузите и запустите модель в Ultralytics:

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

Цитирование и благодарности

Мы хотели бы отметить авторов YOLOv7 за их значительный вклад в область обнаружения объектов в реальном времени:

@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}
}

Оригинальную статью YOLOv7 можно найти на arXiv. Авторы сделали свою работу общедоступной, и доступ к кодовой базе можно получить на GitHub. Мы ценим их усилия по продвижению этой области и предоставлению доступа к своей работе для широкого сообщества.

Часто задаваемые вопросы

Что такое YOLOv7 и почему она считается прорывом в обнаружении объектов в реальном времени?

YOLOv7 — это передовая модель обнаружения объектов в реальном времени, которая обеспечивает беспрецедентную скорость и точность. Она превосходит другие модели, такие как YOLOX, YOLOv5 и PPYOLOE, как по использованию параметров, так и по скорости инференса. Отличительные особенности YOLOv7 включают в себя репараметризацию модели и динамическое назначение меток, которые оптимизируют ее производительность без увеличения затрат на инференс. Для получения более подробной технической информации об архитектуре и метриках сравнения с другими современными детекторами объектов обратитесь к статье о YOLOv7.

Как YOLOv7 улучшает предыдущие модели YOLO, такие как YOLOv4 и YOLOv5?

YOLOv7 представляет несколько нововведений, включая репараметризацию модели и динамическое назначение меток, которые улучшают процесс обучения и повышают точность инференса. По сравнению с YOLOv5, YOLOv7 значительно повышает скорость и точность. Например, YOLOv7-X повышает точность на 2,2% и уменьшает количество параметров на 22% по сравнению с YOLOv5-X. Подробные сравнения можно найти в таблице производительности сравнения YOLOv7 с современными детекторами объектов.

Могу ли я использовать YOLOv7 с инструментами и платформами Ultralytics?

На данный момент Ultralytics поддерживает только вывод YOLOv7 ONNX и TensorRT. Чтобы запустить экспортированную версию YOLOv7 ONNX и TensorRT с помощью Ultralytics, обратитесь к разделу Примеры использования.

Как обучить пользовательскую модель YOLOv7, используя мой набор данных?

Чтобы установить и обучить пользовательскую модель YOLOv7, выполните следующие действия:

1. Клонируйте репозиторий YOLOv7:

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

2. Перейдите в клонированный каталог и установите зависимости:

   cd yolov7
   pip install -r requirements.txt
   

3. Подготовьте набор данных и настройте параметры модели в соответствии с инструкциями по использованию, представленными в репозитории. Для получения дальнейших рекомендаций посетите репозиторий YOLOv7 на GitHub, где вы найдете самую свежую информацию и обновления.

4. После обучения вы можете экспортировать модель в ONNX или TensorRT для использования в Ultralytics, как показано в Примерах использования.

Каковы ключевые особенности и оптимизации, представленные в YOLOv7?

YOLOv7 предлагает несколько ключевых функций, которые революционизируют обнаружение объектов в реальном времени:

• Репараметризация модели: Повышает производительность модели за счет оптимизации путей распространения градиента.
• Динамическое назначение меток: Использует метод «от грубого к точному», управляемый лидами, для назначения динамических целей для выходов по различным ветвям, повышая точность.
• Расширенное и составное масштабирование: Эффективно использует параметры и вычисления для масштабирования модели для различных приложений реального времени.
• Эффективность: Сокращает количество параметров на 40% и вычисления на 50% по сравнению с другими современными моделями, обеспечивая при этом более высокую скорость inference.

Для получения более подробной информации об этих функциях см. раздел Обзор YOLOv7.

📅 Создано 2 года назад ✏️ Обновлено 23 дня назад

Комментарии