以下主要介绍yolov7和yolov8的网络结构与创新点，文章的末尾有yolov7和yolov8创新点和网络架构进行汇报的PPT，可以通过网盘进行下载，同时在介绍中，我也会进行PPT内容的展示有需求再进行下载即可。
yolov7的网络由三部分组成：input,backbone和head,与yolov5不同的是，将neck层和head合称head层，实际上的功能是一样的，backbone用于提取特征，head用于预测。 yolov7输入端：自适应锚框计算、自适应图片缩放和数据增强方式.
下面介绍yolov7中的第一部分，也就是yolov7的主干网络backbone,backbone中有很多模块，下面介绍它的各个模块。
CBS模块：
- 从架构图中我们可以看出，CBS模块这里有三种颜色，三种颜色代表它们的卷积核（k）和步长(s)不同。
首先最浅的颜色，也就是第一个CBS模块的颜色，它是一个1x1的卷积，stride(步长为1)。
其次稍浅的颜色，也就是第二个CBS模块的颜色，它是一个3x3的卷积，stride(步长为1)。
最后最深的颜色，也就是第三个CBS模块的颜色，它是一个3x3的卷积，stride(步长为2)。 - 1x1的卷积主要用来改变通道数。
- 3x3的卷积，步长为1，主要用来特征提取。
- 3x3的卷积，步长为2，主要用来下采样。
E-ELAN模块
创新点1：ELAN 变成了E-ELAN，从字义上很好理解就是extent ELAN
- ELAN模块是一个高效的网络结构，它通过控制最短和最长的梯度路径，使网络能够学习到更多的特征，并且具有更强的鲁棒性。
- ELAN有两条分支。
- 第一条分支是经过一个1x1的卷积做通道数的变化。
- 第二条分支就比较复杂了。它先首先经过一个1x1的卷积模块，做通道数的变化。然后再经过四个3x3的卷积模块，做特征提取。
E-ELAN的创新点是采用分组卷积，所以以下讲解了分组卷积的原理：
了解了分组卷积的原理，可以回到yolov7中的E-ELAN模块，可以看到在这个模块中出现了四次分组卷积。下面左边这幅图中，上面第一个蓝色的方框中表示的是，输入的通道数为2c,输出的通道数为2c，分组数为2的一个3*3的卷积，这幅图可以等价于右边的红绿方框叠起的这幅图。
MP模块
- MP模块有两个分支，作用是进行下采样。
- 第一条分支先经过一个maxpool，也就是最大池化。最大值化的作用就是下采样，然后再经过一个1x1的卷积进行通道数的改变。
- 第二条分支先经过一个1x1的卷积，做通道数的变化，然后再经过一个3x3卷积核、步长为2的卷积块，这个卷积块也是用来下采样的。
- 最后把第一个分支和第二分支的结果加在一起，得到了超级下采样的结果。
yolov7的head部分：
创新点2：计划的重参数化卷积
yolov8的创新点：
以上就是yolov7和yolov8的全部内容，可能有的考虑不是很全面，并且讲解的时候存在些错误，欢迎大家指正，如果有需要不嫌弃的话可以下载整个的PPT进行使用。
提取码：xvky