在美团刚刚发出yolov6，AB大神就带着yolov7来了。。。。。这速度是真快。。

在 5-160 FPS 范围内速度和精度超过所有已知目标检测器。

在 后不到两个星期，提出 YOLOv4 的团队就发布了更新一代的版本。

YOLOv7 的论文被提交到了预印版论文平台 arXiv 上，其三位作者 Chien-Yao Wang、Alexey Bochkovskiy 和 Hong-Yuan Mark Liao 是 YOLOv4 的原班人马。

相对于其他类型的工具，YOLOv7-E6 目标检测器（56 FPS V100，55.9% AP）比基于 transformer 的检测器 SWINL Cascade-Mask R-CNN（9.2 FPS A100，53.9% AP）速度上高出 509%，精度高出 2%，比基于卷积的检测器 ConvNeXt-XL Cascade-Mask R-CNN (8.6 FPS A100, 55.2% AP) 速度高出 551%，精度高出 0.7%。

此外， YOLOv7 的在速度和精度上的表现也优于 YOLOR、YOLOX、Scaled-YOLOv4、YOLOv5、DETR 等多种目标检测器。

YoloV7得github

https://github.com/WongKinYiu/yolov7

同时yolov7也出了pose：

https://github.com/WongKinYiu/yolov7/tree/pose

今天我们来训练一下yolov7-pose

1、数据集

数据集我们依旧采用作者提供的[Keypoints Labels of MS COCO 2017]

下载完成之后，我们可视化一下：

这是其中的一个txt

 前5个参数就是cls cx cy cw ch  后面就是17个点的坐标和2.0(我也不知道是啥，难道是置信度，还没仔细阅读代码)，所以一共加载一起一共17*3+5=56个参数。。。

可视化一下图片：

 2、配置

大家可以使用其他的yaml文件，自己修改即可。。。。。

使用依旧是yolov7-w6.yaml文件

 3、训练

太慢了。。。。。。本着训练了那就开始训练吧，，，，