yolov7

整体结构

输入input、骨干网络backbone、颈部neck、头部head

1. 图片经过input部分数据增强等一系列操作进行预处理后，被送入backbone
2. backbone对处理后的图片提取特征
3. 提取到的特征经过 Neck 模块特征融合处理得到大、中、小三种尺寸的特征
4. 最终，融合后的特征被送入检测头，经过检测之后输出得到结果

prototype

prototype learning讲解

K均值聚类是原型学习的一个典型示例

https://openaccess.thecvf.com/content/CVPR2021/papers/Zhu_Prototype_Augmentation_and_Self-Supervision_for_Incremental_Learning_CVPR_2021_paper.pdf

trick

CBAM加一个，在yolov7_backbone处

def forward(self, x):
        x0 = self.stage0(x) 
        x1 = self.stage1(x0) 

        x2 = self.elan_0(x1)
        x2 = self.cbam_0(x2) #! 添加 CBAM
        
        x3 = self.elan_1(x2)
        # x3 = self.cbam_1(x3) #! 添加 CBAM
        
        x4 = self.elan_2(x3)
        # x4 = self.cbam_2(x4) #! 添加 CBAM
        
        x5 = self.elan_3(x4)
        # x5 = self.cbam_3(x5) #! 添加 CBAM 
       
        return x3, x4, x5