一、YOLOV7主要贡献：

主要是现有的一些trick的集合以及模块重参化和动态标签分配策略，最终在 5 FPS 到 160 FPS 范围内的速度和准确度都超过了所有已知的目标检测器。
当前目标检测主要的优化方向：更快更强的网络架构；更有效的特征集成方法；更准确的检测方法；更精确的损失函数；更有效的标签分配方法；更有效的训练方法。

二、参考代码：

1、C++参考地址：
https://github.com/UNeedCryDear/yolov7-opencv-dnn-cpp

2、yolov7的版本：

https://github.com/WongKinYiu/yolov7

三、应用说明：
在项目部署过程中，为了脱离pytorch而只使用C++调用，我参考了市面上N多解决办法，最终把程序调试通过，调用过程是先把yolov7.pt转化为yolov7.onnx，之后再通过opencv dnn来调用onnx。

四、调用流程说明：

1、环境条件：

windows10、vs2015、opencv4.5.5、python3.8

2、下载 python版本的yolov7，导出onnx

下载地址：https://github.com/WongKinYiu/yolov7

目录为yolov7-main：

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

注意：之前我安装的pytorch gpu版本一直没有通过，后来把 requirements.txt中的所有库都卸载了，重新执行上面的指令，导出onnx时才成功。

导出onnx

进入到yolov7-main目录下，输入：

python export.py —weights ./yolov7.pt —grid —end2end —simplify —topk-all 100 —iou-thres 0.65 —conf-thres 0.35 —img-size 640 640

中间有些小错误，不用理睬：

3、下载opencv c++调用程序：

下载：https://github.com/UNeedCryDear/yolov7-opencv-dnn-cpp

打开vs2015建立新测试工程：

4、添加模型路径后，直接运行即可，运行结果如下：


四、源代码

为了大家能够都方便的使用yolov7 c++程序，现将程序代码提交：

百度网盘地址：

链接：https://pan.baidu.com/s/1-01EuH4oH_3HPo4H50g3wQ
提取码：bruh