基于yolov7改进（源码+图片+说明+报告）.rar

<?xml version='1.0' encoding='UTF-8' standalone='yes'?> <w:document xmlns:wpc="http://schemas.microsoft.com/office/word/2010/wordprocessingCanvas" xmlns:mo="http://schemas.microsoft.com/office/mac/office/2008/main" xmlns:mc="http://schemas.openxmlformats.org/markup-compatibility/2006" xmlns:mv="urn:schemas-microsoft-com:mac:vml" xmlns:o="urn:schemas-microsoft-com:office:office" xmlns:r="http://schemas.openxmlformats.org/officeDocument/2006/relationships" xmlns:m="http://schemas.openxmlformats.org/officeDocument/2006/math" xmlns:v="urn:schemas-microsoft-com:vml" xmlns:wp14="http://schemas.microsoft.com/office/word/2010/wordprocessingDrawing" xmlns:wp="http://schemas.openxmlformats.org/drawingml/2006/wordprocessingDrawing" xmlns:w10="urn:schemas-microsoft-com:office:word" xmlns:w="http://schemas.openxmlformats.org/wordprocessingml/2006/main" xmlns:w14="http://schemas.microsoft.com/office/word/2010/wordml" xmlns:wpg="http://schemas.microsoft.com/office/word/2010/wordprocessingGroup" xmlns:wpi="http://schemas.microsoft.com/office/word/2010/wordprocessingInk" xmlns:wne="http://schemas.microsoft.com/office/word/2006/wordml" xmlns:wps="http://schemas.microsoft.com/office/word/2010/wordprocessingShape" mc:Ignorable="w14 wp14"><w:body><w:p><w:pPr><w:autoSpaceDN w:val="0"/><w:autoSpaceDE w:val="0"/><w:widowControl/><w:spacing w:line="220" w:lineRule="exact" w:before="0" w:after="812"/><w:ind w:left="0" w:right="0"/></w:pPr></w:p><w:p><w:pPr><w:autoSpaceDN w:val="0"/><w:autoSpaceDE w:val="0"/><w:widowControl/><w:spacing w:line="360" w:lineRule="exact" w:before="12" w:after="0"/><w:ind w:left="0" w:right="0" w:firstLine="0"/><w:jc w:val="center"/></w:pPr><w:r><w:rPr><w:w w:val="98.93931027116447"/><w:rFonts w:ascii="NimbusRomNo9L" w:hAnsi="NimbusRomNo9L" w:eastAsia="NimbusRomNo9L"/><w:b/><w:i w:val="0"/><w:color w:val="000000"/><w:sz w:val="29"/></w:rPr><w:t xml:space="preserve">YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object </w:t></w:r><w:r><w:rPr><w:w w:val="98.93931027116447"/><w:rFonts w:ascii="NimbusRomNo9L" w:hAnsi="NimbusRomNo9L" w:eastAsia="NimbusRomNo9L"/><w:b/><w:i w:val="0"/><w:color w:val="000000"/><w:sz w:val="29"/></w:rPr><w:t>detectors</w:t></w:r></w:p><w:p><w:pPr><w:autoSpaceDN w:val="0"/><w:autoSpaceDE w:val="0"/><w:widowControl/><w:spacing w:line="278" w:lineRule="exact" w:before="448" w:after="0"/><w:ind w:left="1584" w:right="1584" w:firstLine="0"/><w:jc w:val="center"/></w:pPr><w:r><w:rPr><w:rFonts w:ascii="NimbusRomNo9L" w:hAnsi="NimbusRomNo9L" w:eastAsia="NimbusRomNo9L"/><w:b w:val="0"/><w:i w:val="0"/><w:color w:val="000000"/><w:sz w:val="24"/></w:rPr><w:t>Chien-Yao Wang</w:t></w:r><w:r><w:rPr><w:rFonts w:ascii="CMR8" w:hAnsi="CMR8" w:eastAsia="CMR8"/><w:b w:val="0"/><w:i w:val="0"/><w:color w:val="000000"/><w:sz w:val="16"/></w:rPr><w:t>1</w:t></w:r><w:r><w:rPr><w:rFonts w:ascii="NimbusRomNo9L" w:hAnsi="NimbusRomNo9L" w:eastAsia="NimbusRomNo9L"/><w:b w:val="0"/><w:i w:val="0"/><w:color w:val="000000"/><w:sz w:val="24"/></w:rPr><w:t>, Alexey Bochkovskiy, and Hong-Yuan Mark Liao</w:t></w:r><w:r><w:rPr><w:rFonts w:ascii="CMR8" w:hAnsi="CMR8" w:eastAsia="CMR8"/><w:b w:val="0"/><w:i w:val="0"/><w:color w:val="000000"/><w:sz w:val="16"/></w:rPr><w:t xml:space="preserve">1 </w:t></w:r><w:r><w:rPr><w:rFonts w:ascii="CMR8" w:hAnsi="CMR8" w:eastAsia="CMR8"/><w:b w:val="0"/><w:i w:val="0"/><w:color w:val="000000"/><w:sz w:val="16"/></w:rPr><w:t>1</w:t></w:r><w:r><w:rPr><w:rFonts w:ascii="NimbusRomNo9L" w:hAnsi="NimbusRomNo9L" w:eastAsia="NimbusRomNo9L"/><w:b w:val="0"/><w:i w:val="0"/><w:color w:val="000000"/><w:sz w:val="24"/></w:rPr><w:t>Institute of Information Science, Academia Sinica, Taiwan</w:t></w:r></w:p><w:p><w:pPr><w:autoSpaceDN w:val="0"/><w:autoSpaceDE w:val="0"/><w:widowControl/><w:spacing w:line="188" w:lineRule="exact" w:before="66" w:after="324"/><w:ind w:left="0" w:right="0" w:firstLine="0"/><w:jc w:val="center"/></w:pPr><w:r><w:rPr><w:rFonts w:ascii="NimbusMonL" w:hAnsi="NimbusMonL" w:eastAsia="NimbusMonL"/><w:b w:val="0"/><w:i w:val="0"/><w:color w:val="000000"/><w:sz w:val="18"/></w:rPr><w:t>kinyiu@iis.sinica.edu.tw, alexeyab84@gmail.com, and liao@iis.sinica.edu.tw</w:t></w:r></w:p><w:p><w:pPr><w:sectPr><w:pgSz w:w="12240" w:h="15840"/><w:pgMar w:top="1032" w:right="1318" w:bottom="482" w:left="1002" w:header="720" w:footer="720" w:gutter="0"/><w:cols w:space="720" w:num="1" w:equalWidth="0"><w:col w:w="9920" w:space="0"/></w:cols><w:docGrid w:linePitch="360"/></w:sectPr></w:pPr></w:p><w:p><w:pPr><w:autoSpaceDN w:val="0"/><w:autoSpaceDE w:val="0"/><w:widowControl/><w:spacing w:line="310" w:lineRule="exact" w:before="0" w:after="0"/><w:ind w:left="0" w:right="2006" w:firstLine="0"/><w:jc w:val="right"/></w:pPr><w:r><w:rPr><w:rFonts w:ascii="NimbusRomNo9L" w:hAnsi="NimbusRomNo9L" w:eastAsia="NimbusRomNo9L"/><w:b/><w:i w:val="0"/><w:color w:val="000000"/><w:sz w:val="24"/></w:rPr><w:t>Abstract</w:t></w:r></w:p><w:p><w:pPr><w:autoSpaceDN w:val="0"/><w:autoSpaceDE w:val="0"/><w:widowControl/><w:spacing w:line="238" w:lineRule="exact" w:before="100" w:after="0"/><w:ind w:left="0" w:right="88" w:firstLine="240"/><w:jc w:val="both"/></w:pPr><w:r><w:rPr><w:rFonts w:ascii="NimbusRomNo9L" w:hAnsi="NimbusRomNo9L" w:eastAsia="NimbusRomNo9L"/><w:b w:val="0"/><w:i/><w:color w:val="000000"/><w:sz w:val="20"/></w:rPr><w:t xml:space="preserve">YOLOv7 surpasses all known object detectors in both </w:t></w:r><w:r><w:rPr><w:rFonts w:ascii="NimbusRomNo9L" w:hAnsi="NimbusRomNo9L" w:eastAsia="NimbusRomNo9L"/><w:b w:val="0"/><w:i/><w:color w:val="000000"/><w:sz w:val="20"/></w:rPr><w:t xml:space="preserve">speed and accuracy in the range from 5 FPS to 160 FPS </w:t></w:r><w:r><w:rPr><w:rFonts w:ascii="NimbusRomNo9L" w:hAnsi="NimbusRomNo9L" w:eastAsia="NimbusRomNo9L"/><w:b w:val="0"/><w:i/><w:color w:val="000000"/><w:sz w:val="20"/></w:rPr><w:t xml:space="preserve">and has the highest accuracy 56.8% AP among all known </w:t></w:r><w:r><w:rPr><w:rFonts w:ascii="NimbusRomNo9L" w:hAnsi="NimbusRomNo9L" w:eastAsia="NimbusRomNo9L"/><w:b w:val="0"/><w:i/><w:color w:val="000000"/><w:sz w:val="20"/></w:rPr><w:t xml:space="preserve">real-time object detectors with 30 FPS or higher on GPU </w:t></w:r><w:r><w:rPr><w:rFonts w:ascii="NimbusRomNo9L" w:hAnsi="NimbusRomNo9L" w:eastAsia="NimbusRomNo9L"/><w:b w:val="0"/><w:i/><w:color w:val="000000"/><w:sz w:val="20"/></w:rPr><w:t xml:space="preserve">V100. YOLOv7-E6 object detector (56 FPS V100, 55.9% </w:t></w:r><w:r><w:rPr><w:rFonts w:ascii="NimbusRomNo9L" w:hAnsi="NimbusRomNo9L" w:eastAsia="NimbusRomNo9L"/><w:b w:val="0"/><w:i/><w:color w:val="000000"/><w:sz w:val="20"/></w:rPr><w:t>AP) outperforms both transformer-based detector SWIN-</w:t></w:r><w:r><w:rPr><w:rFonts w:ascii="NimbusRomNo9L" w:hAnsi="NimbusRomNo9L" w:eastAsia="NimbusRomNo9L"/><w:b w:val="0"/><w:i/><w:color w:val="000000"/><w:sz w:val="20"/></w:rPr><w:t xml:space="preserve">L Cascade-Mask R-CNN (9.2 FPS A100, 53.9% AP) by </w:t></w:r><w:r><w:rPr><w:rFonts w:ascii="NimbusRomNo9L" w:hAnsi="NimbusRomNo9L" w:eastAsia="NimbusRomNo9L"/><w:b w:val="0"/><w:i/><w:color w:val="000000"/><w:sz w:val="20"/></w:rPr><w:t>509% in speed and 2% in accuracy, and convolutional-</w:t></w:r><w:r><w:rPr><w:rFonts w:ascii="NimbusRomNo9L" w:hAnsi="NimbusRomNo9L" w:eastAsia="NimbusRomNo9L"/><w:b w:val="0"/><w:i/><w:color w:val="000000"/><w:sz w:val="20"/></w:rPr><w:t xml:space="preserve">based detector ConvNeXt-XL Cascade-Mask R-CNN (8.6 </w:t></w:r><w:r><w:rPr><w:rFonts w:ascii="NimbusRomNo9L" w:hAnsi="NimbusRomNo9L" w:eastAsia="NimbusRomNo9L"/><w:b w:val="0"/><w:i/><w:color w:val="000000"/><w:sz w:val="20"/></w:rPr><w:t xml:space="preserve">FPS A100, 55.2% AP) by 551% in speed and 0.7% AP </w:t></w:r><w:r><w:rPr><w:rFonts w:ascii="NimbusRomNo9L" w:hAnsi="NimbusRomNo9L" w:eastAsia="NimbusRomNo9L"/><w:b w:val="0"/><w:i/><w:color w:val="000000"/><w:sz w:val="20"/></w:rPr><w:t xml:space="preserve">in accuracy, as well as YOLOv7 outperforms: YOLO