yolov7加入小目标检测层

yoloV3 4 5 6 7 8这些算法中哪个对自动驾驶的小目标检测效果最好啊 比如石头

4,5,7,8都行，6没怎么接触，3主要是太早了，精度啥的跟不上后面的了。
另外精度而言，7和8会比4和5高上一些，但是我实际使用的时候高是高了，漏检少了，但是误报的情况也会多了一些，具体就得你自己取舍了，能否接受漏检还是能否接受误报。
另外，看你是否需要部署的问题，如果是要部署的话，5和8会比4和7好用很多，特别是一些模型转换之类的工作做的好，官方支持各种类型的模型导出转换，这点是目前我接触下来所有的CV方面做的最好的了。
然后就是上手难度了，如果你熟悉CPP和darknet的话，那v4和v5的难度差不多，不然一般是v5<v7<v8<v4。

YOLOv4和YOLOv5相对于YOLOv3在小目标检测方面有一定的优势。这是因为YOLOv4和YOLOv5采用了更加先进的网络结构和技术，如CSPDarknet53、SPP、PAN等，同时也对数据增强和训练策略进行了优化，使得其在小目标检测方面有更好的表现。

• 帮你找了个相似的问题, 你可以看下: https://ask.csdn.net/questions/7636373
• 我还给你找了一篇非常好的博客，你可以看看是否有帮助，链接：yolov7目标检测：基于自定义数据集完成检测、训练、测试
• 除此之外, 这篇博客: YOLOV3实战项目中的 十三、坐标相对位置计算 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
  
• 

  
  3.

  
  best_n表示三个候选框中与真实候选框iou值最大的候选框的编号，候选框的编号为：0,1，2
  
  4.

  

  
  6
  
  7.
  

• 您还可以看一下 杨文杰老师的保姆级YoloV5目标检测实战课程中的 Yolov5介绍小节, 巩固相关知识点