新知一下
海量新知
6 5 1 1 4 6 2

卷起来了!声称吊打一切的YOLOV7!

我爱计算机视觉 | 计算机视觉与机器学习技术最前沿 2022/09/23 17:40

就在不久前, YOLOV7 横空出世,瞬间在业内引起不小的轰动。

5FPS 到160FPS范围内 无论是从速度还是精度上, YOLOV7 都超过了目前已知的所有检测器!其 最高的模型 AP 值达到 56.8% ,有 30FPS 团队详细对比了 YOLOV7 和其他变体的性能, 从数据上来看 YOLOV7 真正做到了吊打一切。

新知达人, 卷起来了!声称吊打一切的YOLOV7!

只能说这个内卷的速度比手机迭代可快太多了, V5还没怎么弄明白,V6就发布了,以为总还可以学一阵了吧,没几天YOLOV7就登台亮相。

感觉要学习的东西越来越多,真是活到老,就要学到老~

(没想到有一天,会被一个检测器卷到……)

YOLOV7 主要从 损失函数、标签分配方法和训练方法 三方面 入手设计性能更好的检测模型。 从头开始训练,没有使用其他任何数据集或者预训练权重。

新技术的更迭速度越来越快, 如何高效精准的理解新的技术和理论?

9 月26、27日,我们特邀在 目标检测领域有丰富的工业落地经验的徐博士 ,全方位 解读“卷王”YOLOV7

新知达人, 卷起来了!声称吊打一切的YOLOV7!

扫码获取免费直播课地址

100 名免费领取2022最新 CV paper 合集

两天的直播课中,徐博士将带大家精读关于 YOLOV7的最新论文《YOLOV7:Trainable bag-of-freebies sets new state-of-the-art for real-timeobject detectors 》。并 从学术和工业的双重角度,解读 YOLOV7。

同时, 帮助大家梳理 YOLOV7的前世今生——从v1到v7一系列的理论框架及迭代历程。




论文亮点:

新的含有ELAN模块的backbone设计;

辅助loss设计;

模型重参化加快推理速度




通过两天的直播,了 解并熟悉视觉目标检测技术的发展脉络,掌握技术代码细节。




最近也接触到很多刚进入科研阶段的萌新小白,他们大多因为经验尚浅而对未来懵懂迷茫。 选题方向还没有确定,也不知道该怎么选择一个合适的研究方向,该如何确定选题。

此时对于前沿技术、理论的了解尤为必要。在掌握最新最前沿的技术、方法的基础上,对于自己的选题和方向也会有更深层的思考。

而对于目标检测方向的科研er,通过这次直播, 能够快速熟悉了解目标检测的技术发展脉络,掌握当下最前沿的技术,实验方法的设计,并从中获取可能的创新点;为之后的研究和论文写作做好储备。

扫码获取免费直播课地址

100 名免费领取2022最新 CV paper 合集

END


新知精选

更多新知精选