目标检测算法终结篇：YOLOv7（非正式版）正式开源

介绍

目前支持的东西就这么一些，现列举一些大家可能感兴趣的：

• 支持GridMask，Mosiac的数据增强，而且可以可视化；

• 支持YOLOX（很强），而且部署方式比原版更方便，可训练，官方不是唯一可选；

• 支持YOLOv7+实例分割，是SingleStage的方式，目前用的是OrienMaskHead，未来可能增加更多方式；

• 支持DETR，AnchorDETR等transformer，这是独一无二的，在一个框架里面同时被支持；

• YOLOv4 contained with CSP-Darknet53;

• YOLOv7 arch with resnets backbone;

• YOLOv7 arch with resnet-vd backbone (likely as PP-YOLO), deformable conv, Mish etc;

• GridMask augmentation from PP-YOLO included;

• YOLOv7 arch Swin-Transformer support (higher accuracy but lower speed);

• YOLOv7 arch Efficientnet + BiFPN;

• YOLOv5 style positive samples selection, new coordinates coding style;

• RandomColorDistortion, RandomExpand, RandomCrop, RandomFlip;

• CIoU loss (DIoU, GIoU) and label smoothing (from YOLOv5 & YOLOv4);

• YOLOF also included;

• YOLOv7 Res2net + FPN supported;

• Pyramid Vision Transformer v2 (PVTv2) supported;

• WBF (Weighted Box Fusion), this works better than NMS, link;

• YOLOX like head design and anchor design, also training support;

• YOLOX s,m,l backbone and PAFPN added, we have a new combination of YOLOX backbone and pafpn;

• YOLOv7 with Res2Net-v1d backbone, we found res2net-v1d have a better accuracy then darknet53;

• Added PPYOLOv2 PAN neck with SPP and dropblock;

• YOLOX arch added, now you can train YOLOX model (anchor free yolo) as well;

• DETR: transformer based detection model and onnx export supported, as well as TensorRT acceleration;

• AnchorDETR: Faster converge version of detr, now supported!

最后强调一下，这个版本里面的transformer是支持转到ONNX的，并且这个ONNX是可以被TensorRT推理的。据我所知，这在全网没有任何一个开源的仓库做得到。

社区支持

为什么要开源这个框架，原因主要是两个：

• 我希望利用社区的力量把它做的更完善，增加更多的功能，这一年我们越来越相信社区的力量，众人拾材火焰高，不同的人研究优化不同的方向，就可以把这个框架被更多人用起来，用它训练的模型和部署起来的模型就可以跑在更多的地方，这才是价值所在；

• 我没有卡继续维护这些模型，希望有卡的朋友们一起来训模型，把社区做起来。

一个好的框架离不开发起人的积极参与和技术支持，我会一如既往的回答大家的问题，希望能给开源尽一些绵薄之力。

非常欢迎有时间，有计算资源，懂行的朋友来贡献代码或者模型，尤其是做目标检测方向的朋友们，这确实是发自内心一个非常良心的建议，把这些好的算法都汇聚到一起来吧。让社区的力量把它发展的更加壮大。

Github：https://github.com/jinfagang/yolov7

GridMask

Mosaic