YOLO系列 — YOLOV7算法（七）：YOLOV7算法总结

基本上已经把YOLO V7算法的重要知识点全部讲完了，我们做个简单的总结吧~

网络结构

图片转载于：https://blog.csdn.net/zqwwwm/article/details/125901507

在YOLO V7算法中主要引入了三种模块：E-ELAN模块、SPPSPC模块、REP模块。

1. E-ELAN模块

上述第一张图是E-ELAN模块的流程图，对应着yolov7.yaml中的红色框。在大多数关于设计高效网络的论文中，主要考虑的因素是参数量、计算量和计算密度。但从内存访存的角度出发出发，还可以分析输入/输出信道比、架构的分支数和元素级操作对网络推理速度的影响（shufflenet论文提出)。在执行模型缩放时还需考虑激活函数，即更多地考虑卷积层输出张量中的元素数量。因此，在本文中，作者提出了基于ELAN的扩展版本E-ELAN。

2. SPPSPC模块

在yolov7.yaml中，只使用了一次SPPSPC模块，在backbone与head对接的地方。

上述是SPPSPC模块流程图。可以看到，总的输入会被分成两段进入不同的分支，最中间的分支其实就是金字塔池化操作，上侧则为一个point conv，最后将所有分支输出的信息流进行concat。

3. REP模块

REP在训练和部署的时候结构不同，在训练的时候由3×3的卷积添加1×1的卷积分支，同时如果输入和输出的channel以及h,w的size一致时，再添加一个BN的分支，三个分支相加输出，在部署时，为了方便部署，会将分支的参数重参数化到主分支上，取3*3的主分支卷积输出。