YOLOv7: обучаемый набор бесплатных улучшений#

YOLOv7, выпущенная в июле 2022 года, стала значительным прорывом в обнаружении объектов в реальном времени на момент выхода. Она достигла 56,8% AP на GPU V100, установив новые рекорды. YOLOv7 превзошла современные детекторы объектов, такие как YOLOR, YOLOX, Scaled-YOLOv4 и YOLOv5, по скорости и точности. Модель обучается на датасете MS COCO с нуля, без использования других датасетов или предварительно обученных весов. Исходный код YOLOv7 доступен на GitHub. Обрати внимание, что более новые модели, такие как YOLO11 и YOLO26, с тех пор достигли более высокой точности при повышенной эффективности.

Сравнение SOTA-детекторов объектов#

По результатам таблицы сравнения YOLO мы видим, что предложенный метод обеспечивает наилучший комплексный компромисс между скоростью и точностью. Если сравнить YOLOv7-tiny-SiLU с YOLOv5-N (r6.1), наш метод работает на 127 fps быстрее и обеспечивает на 10,7% более высокую точность по AP. Кроме того, YOLOv7 достигает 51,4% AP при частоте 161 fps, тогда как PPYOLOE-L с таким же AP обеспечивает частоту лишь 78 fps. По количеству параметров YOLOv7 использует на 41% меньше, чем PPYOLOE-L.

Если сравнить YOLOv7-X со скоростью инференса 114 fps с YOLOv5-L (r6.1) со скоростью инференса 99 fps, YOLOv7-X повышает AP на 3,9%. При сравнении YOLOv7-X с YOLOv5-X (r6.1) аналогичного масштаба скорость инференса YOLOv7-X выше на 31 fps. Кроме того, по количеству параметров и объёму вычислений YOLOv7-X уменьшает количество параметров на 22%, а объём вычислений — на 8% по сравнению с YOLOv5-X (r6.1), одновременно повышая AP на 2,2% (источник).

Обзор#

Обнаружение объектов в реальном времени — важный компонент многих систем компьютерного зрения, включая мульти-трекинг объектов, автономное вождение, робототехнику и анализ медицинских изображений. В последние годы разработка систем обнаружения объектов в реальном времени была сосредоточена на создании эффективных архитектур и повышении скорости инференса различных CPU, GPU и нейронных вычислительных блоков (NPUs). YOLOv7 поддерживает мобильные GPU и GPU-устройства — от периферийных устройств до облака.

В отличие от традиционных детекторов объектов реального времени, ориентированных на оптимизацию архитектуры, YOLOv7 уделяет особое внимание оптимизации процесса обучения. Сюда входят модули и методы оптимизации, разработанные для повышения точности обнаружения объектов без увеличения затрат на инференс, — концепция, известная как «обучаемый набор бесплатных улучшений».

Ключевые особенности#

YOLOv7 представляет несколько ключевых возможностей:

1. Репараметризация модели: YOLOv7 предлагает спланированную репараметризованную модель — стратегию, применимую к слоям разных сетей и основанную на концепции пути распространения градиента.

2. Динамическое назначение меток: Обучение модели с несколькими выходными слоями создаёт новую проблему: «Как назначать динамические целевые значения выходам разных ветвей?» Для решения этой проблемы YOLOv7 представляет новый метод назначения меток, называемый назначением меток с управлением ведущей ветвью от грубого к точному.

3. Расширенное и составное масштабирование: YOLOv7 предлагает методы «расширенного» и «составного масштабирования» для детектора объектов реального времени, которые позволяют эффективно использовать параметры и вычислительные ресурсы.

4. Эффективность: Метод, предложенный в YOLOv7, позволяет эффективно сократить примерно на 40% количество параметров и на 50% объём вычислений по сравнению с SOTA-детектором объектов реального времени, обеспечивая при этом более высокую скорость инференса и точность обнаружения.

Примеры использования#

Ultralytics не публикует предварительно обученные веса yolov7.pt или YAML-файлы ultralytics/cfg/models/v7/, а нативные обучение и инференс YOLOv7 с использованием PyTorch не поддерживаются Python-пакетом Ultralytics. Однако ты можешь перенести чекпойнт YOLOv7, обученный в исходном репозитории YOLOv7, в Ultralytics, экспортировав его в ONNX или TensorRT, как показано ниже.

Экспорт в ONNX#

Чтобы использовать модель YOLOv7 в формате ONNX с Ultralytics:

1. (Необязательно) Установи Ultralytics и экспортируй модель ONNX, чтобы необходимые зависимости установились автоматически:

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

2. Экспортируй нужную модель YOLOv7 с помощью экспортёра из репозитория 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. Измени граф модели ONNX, чтобы сделать его совместимым 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 ты сможешь загрузить изменённую модель ONNX и запустить с ней инференс в Ultralytics обычным способом:

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

Экспорт в TensorRT#

1. Выполни шаги 1–2 из раздела Экспорт в ONNX.

2. Установи Python-пакет TensorRT:

   pip install tensorrt

3. Запусти следующий скрипт, чтобы преобразовать изменённую модель ONNX в движок TensorRT:

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

4. Загрузи модель и запусти её 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:

@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}
}

Официальная статья о YOLOv7 опубликована в CVF 2023 Open Access, а её препринт размещён на arXiv. Авторы сделали свою работу общедоступной, а исходный код доступен на GitHub. Мы ценим их усилия по развитию этой области и предоставлению своей работы широкому сообществу.

Часто задаваемые вопросы#