Chengjian Feng， Yujie Zhong， Yu Gao， Matthew R Scott， and Weilin Huang. Tood: Task-aligned one-stage object detection. In Proceedings of the IEEE/CVF International Conference on Computer Vision， pages 3510–3519， 2021. 3， 4。
YOLO算法自问世以来，就以其卓越的性能和速度在目标检测领域占据着举足轻重的地位。从YOLOv5的模块化设计到YOLOv8的Anchor-Free点检测，再到YOLOv10的无需NMS训练，每一步的创新都在不断刷新我们对实时目标检测的认知。
YOLO，作为直播领域中另类直播——朋友们的直播在3月11日，发布了2016年最新版本1.5.1。作为新年的第一个版本，YOLO新版本以bug修复，性能优化及稳定性提升为主，并未上线重大功能和其他改变。
摘要本文由适创科技智测皓微团队工程师撰写，文章聚焦于YoLov7的算法与实现，从原理出发，详尽解析了YoLo新版本对于目标检测的创新之处。论文地址：https://arxiv.org/pdf/2207.02696.pdf代码地址：https://github.
本文的基线模型在MS COCO2017数据集中可以达到50.6% AP50:95和69.8% AP50的精度，在VisDrone2019 DET数据集中达到26.4% AP50:95、44.8% AP50，并且在边缘计算设备Nvidia Jetson AGX Xavier上满足实时要求。
