YOLOv7 算法详解：E-ELAN 技术提升网络学习能力

YOLOv7 提出了更精确的交叉熵损失函数、更高效的标签分配方式以及更高效的训练方法。它扩展了高效率程增强专注力互联网，并称之为 Extended-ELAN（简称 E-ELAN）。在大规模的 ELAN 中，不论梯度方向路径长度和块总数如何，互联网都能达到平衡状态。然而，如果无限地堆叠测算块，这种平衡状态可能会被破坏，从而降低主要参数的利用率。E-ELAN 通过拓展数量（Expand）、乱序（Shuffle）和合并数量（Merge cardinality）等方式，提升了互联网学习的能力，而不损害初始梯度方向途径。在系统架构领域，E-ELAN 只影响了测算块的系统架构，而过渡层的系统架构保持不变。