1、YOLOv7车辆行人检测训练权重 ，附有各种训练曲线图，可使用tensorboard打开训练日志，map达90%以上 2、classes: person、car 3、检测结果和数据集参考：https://blog.csdn.net/weixin_51154380/article/details/127988082?spm=1001.2014.3001.5502

1、YOLOv7算法Visdrone数据集训练权重 ，附有各种训练曲线图，可使用tensorboard打开训练日志 2、检测结果和数据集参考：https://blog.csdn.net/weixin_51154380/article/details/127346292?spm=1001.2014.3001.5502

YOLOv7 源代码 包含YOLOv7的模型.pt文件，可以利用该训练好的模型文件测试图片、视频等，也可以调用摄像头进行实时检测。速度和精度较之前版本都有很大提高.在5 FPS到160 FPS范围内的速度和精度达到了新的高度，并在GPU V100上具有30 FPS或更高的所有已知实时目标检测器中具有最高的精度56.8%AP。YOLOv7-E6目标检测器（56 FPS V100，55.9% AP）比基于Transform的检测器SWINL Cascade-Mask R-CNN（9.2 FPS A100，53.9% AP）的速度和准确度分别高出509%和2%，以及基于卷积的检测器ConvNeXt-XL Cascade-Mask R-CNN (8.6 FPS A100, 55.2% AP) 速度提高551%，准确率提高0.7%。

1.包含yolov7的6个权重文件

yolov7 darknet 80分类原始权重的C#调用，使用opencvsharp载入weight和cfg文件。

Yolov7.onnx 模型文件，ONNX 对象检测 。 YOLO 是一种最先进的实时目标检测系统。 格式 ONNX v7 框架 pytorch 1.13.0 导入ai.onnx v12 输入 images type: float32[1,3,640,640] 输出 output type: float32[1,25200,85]

YOLOv7是YOLO家族中第一个包含人体姿态估计模型的。

因darknet框架下的模型训练，相对pytorch框架训练成本低，且作者也提供了darknet框架下的配置文件和预训练模型，本人也在评估darknet框架下的v7-tiny模型，再次将AlexeyAB大佬开源的模型和配置文件上传，给自己做一个备份。

yolov7的网路架构，可以很清晰的看到各个模块

方便各位下载，YOLOv7源代码+权重文件