基于Bubbliiiing代码仓库yolov7的性能优化与功能拓展

Bubbliiiing代码仓库的yolov7是You Only Look Once目标检测模型在pytorch中的实现。该模型具备一系列强大的功能，包括支持step、cos学习率下降法、adam、sgd优化器的选择、学习率根据batch_size自适应调整、图片裁剪、多GPU训练、各个种类目标数量计算、heatmap生成以及EMA支持等特性。为了进一步提升其性能，我们对该代码仓库进行了改进。在性能方面，我们通过优化模型参数和调整学习率策略，使得yolov7在目标检测中表现更为卓越。此外，我们还对功能进行了拓展，引入了一些创新性的元素，使得模型更加灵活和适用于不同场景。这一系列的改进不仅提高了yolov7的检测准确率，同时也使其更具实用性和适用性。