前言
继美团发布YOLOV6之后，YOLO系列原作者也发布了YOLOV7。
YOLOV7主要的贡献在于：
1.模型重参数化
YOLOV7将模型重参数化引入到网络架构中，重参数化这一思想最早出现于REPVGG中。
2.标签分配策略
YOLOV7的标签分配策略采用的是YOLOV5的跨网格搜索，以及YOLOX的匹配策略。
3.ELAN高效网络架构
YOLOV7中提出的一个新的网络架构，以高效为主。
4.带辅助头的训练
YOLOV7提出了辅助头的一个训练方法，主要目的是通过增加训练成本，提升精度，同时不影响推理的时间，因为辅助头只会出现在训练过程中。
一、下载整个项目
通过git 下载
git clone https://github.com/WongKinYiu/yolov7.git
或者直接下载压缩包
二、安装所需环境
建议使用conda虚拟环境
conda create --name yolov7_env python=3.7 conda activate yolov7_env
pip install -r requirements.txt
三、准备数据集
生成训练、验证的TXT文件：
import os def get_txtdata(path): VOCdevkit_path = path file_names = os.listdir(VOCdevkit_path+"/images") train_num = 400 train_path = os.path.join(VOCdevkit_path,'train.txt') val_path = os.path.join(VOCdevkit_path,'val.txt') train_file = open(train_path, 'w') val_file = open(val_path, 'w') for name in file_names[0:train_num]: img_path = os.path.join(VOCdevkit_path+"/Images",name) train_file.write(img_path + '\n') train_file.close() for name in file_names[train_num:]: img_path = os.path.join(VOCdevkit_path+"/Images",name) val_file.write(img_path + '\n') val_file.close() if __name__=="__main__": VOCdevkit_path = 'dataset2' get_txtdata(VOCdevkit_path)
如图所示：
images：图片文件
labels：标签文件
train.txt：训练数据集的位置
val.txt：验证数据集的位置
四、配置文件
在data目录下新建一个yaml配置文件，按如图所示格式输入自己训练数据的信息
name：类别名字
nc：类别数量
train：训练集文件位置
val：验证集文件位置
names: - balls - person nc: 2 train: dataset2/train.txt val: dataset2/val.txt
五、下载权重文件
如下图所示，官网下载，但是速度会比较慢。
项目已经上传到网盘，可以通过网盘下载（链接在评论中）。
六、开始训练
修改模型名字和配置文件位置
python3 train.py
七、推理
模型路径和图片路径需要换成自己的
python3 detect.py
附录：遇到的问题
运行train.py的时候报错
subprocess.CalledProcessError: Command 'git tag' returned non-zero exit status 128.
解决：
这是由于网络波动或者防火墙无法连接到github下载权重文件。
手动下载权重文件，并修改名字yolo7.pt–>yolov7.pt
parser.add_argument('--weights', type=str, default='yolov7.pt', help='initial weights path')
