FastDeploy/examples/vision/detection/yolov7

YOLOv7准备部署模型

• YOLOv7部署实现来自YOLOv7分支代码，和基于COCO的预训练模型。

  • （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onnx格式文件 (Tips: 对应 YOLOv7 release v0.1 代码)
python models/export.py --grid --dynamic --weights PATH/TO/yolov7.pt

# 如果您的代码版本中有支持NMS的ONNX文件导出，请使用如下命令导出ONNX文件(请暂时不要使用 "--end2end"，我们后续将支持带有NMS的ONNX模型的部署)
python models/export.py --grid --dynamic --weights PATH/TO/yolov7.pt

下载预训练ONNX模型

为了方便开发者的测试，下面提供了YOLOv7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	141MB	51.4%
YOLOv7x	273MB	53.1%
YOLOv7-w6	269MB	54.9%
YOLOv7-e6	372MB	56.0%
YOLOv7-d6	511MB	56.6%
YOLOv7-e6e	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