FastDeploy/examples/vision/detection/yolov7end2end_ort

YOLOv7End2EndORT 准备部署模型

YOLOv7End2EndORT 部署实现来自YOLOv7分支代码，和基于COCO的预训练模型。注意，YOLOv7End2EndORT是专门用于推理YOLOv7中导出模型带ORT_NMS 版本的End2End模型，不带nms的模型推理请使用YOLOv7类，而 TRT_NMS 版本的End2End模型请使用YOLOv7End2EndTRT进行推理。

• （1）官方库提供的*.pt通过导出ONNX模型操作后，可进行部署；.trt和.pose模型不支持部署；
• （2）自己数据训练的YOLOv7模型，按照导出ONNX模型操作后，参考详细部署文档完成部署。

导出ONNX模型

# 下载yolov7模型文件
wget https://github.com/WongKinYiu/yolov7/releases/download/v0.1/yolov7.pt

# 导出带ORT_NMS的onnx格式文件 (Tips: 对应 YOLOv7 release v0.1 代码)
python export.py --weights yolov7.pt --grid --end2end --simplify --topk-all 100 --iou-thres 0.65 --conf-thres 0.35 --img-size 640 640 --max-wh 640
# 导出其他模型的命令类似 将yolov7.pt替换成 yolov7x.pt yolov7-d6.pt yolov7-w6.pt ...

下载预训练ONNX模型

为了方便开发者的测试，下面提供了YOLOv7End2EndORT导出的各系列模型，开发者可直接下载使用。（下表中模型的精度来源于源官方库）

模型	大小	精度
yolov7-end2end-ort-nms	141MB	51.4%
yolov7x-end2end-ort-nms	273MB	53.1%
yolov7-w6-end2end-ort-nms	269MB	54.9%
yolov7-e6-end2end-ort-nms	372MB	56.0%
yolov7-d6-end2end-ort-nms	511MB	56.6%
yolov7-e6e-end2end-ort-nms	579MB	56.8%

详细部署文档

• Python部署
• C++部署

版本说明

• 本版本文档和代码基于YOLOv7 0.1 编写