qihshe的博客

YOLO系列检测器对预定义和训练对象类别的依赖限制了它们在开放场景中的适用性。（简单来说就是一旦对象类别被定义和标记，经过训练的检测器只能检测到那些特定的类别）为了解决这个限制，作者提出了YOLO-World——通过视觉语言建模和大规模数据集的预训练，增强了YOLO的开放词汇检测能力。具体来说，作者提出了一种新的可重参数化视觉-语言路径聚合网络(RepVL-PAN)和区域-文本对比损失，以促进视觉和语言信息之间的交互。

PP-YOLOE再YOLOv2的基础上进行了改进，提出了一种新颖的RepResBlock，使用任务对齐学习(TAL)的标签分配策略，改进了head，提出了速度和精度并重的ET-head...

在PP-YOLO基础上进行了改进，如neck使用PAN而不是FPN，更改了IoU感知损失、增加了图像输入大小、在neck而不是backbone采用mish激活等

结合现有的各种几乎不增加模型参数和FLOPs数量的技巧，对YOLOv3进行改进

提出了几种可训练的bag-of-freebies在5 FPS到160 FPS的范围内，YOLOv7在速度和精度上都超过了所有已知的目标检测器并且在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

technical report

提出了一个统一的网络，将内隐知识和外显知识编码在一起，就像人脑可以从正常学习和潜意识学习中学习知识一样。统一的网络可以生成统一的表示，同时服务于各种任务。

对YOLO系列进行了改进，将过去两年的进展整合，形成YOLOX

发出灵魂拷问

YOLO

YOLO9000，Better，Faster and Stronger

我们使用了新的特征:WRC、CSP、CmBN、SAT、Mish-激活、Mosaic数据增强、CmBN、DropBlock正则化和CIoU损失，并将其中一些特征结合起来获得了最先进的结果:MS COCO数据集在Tesla V100上以~ 65 FPS的实时速度获得了43.5%的AP(65.7%的AP50)