食物卡路里检测系统的YOLO实现（含源码、部署教程和数据集）

简介：
本项目基于YOLO算法开发了一套高效的食物卡路里检测系统，并提供详尽的源代码、模型训练及应用部署指南，同时包含用于训练的数据集。 YOLOv7 是一种先进的目标检测算法，在5 FPS到160 FPS的速度范围内表现出色，并且在V100上以30 FPS的实时性能实现了最高的精度（AP为56.8%）。该模型是在MS COCO数据集上从头开始训练，未使用任何其他数据集或预训练权重。与同类工具相比，在速度和准确度方面都表现出色：YOLOv7-E6目标检测器在V100上的运行速率为56 FPS，精度为55.9% AP；而基于transformer的SwinL Cascade-Mask R-CNN在A100上仅达到9.2 FPS和53.9% AP，YOLOv7-E6的速度比其快约5倍且准确度高出2%。另外，与基于卷积网络的ConvNeXt-XL Cascade-Mask R-CNN相比（后者在A100上的速度为8.6 FPS、精度为55.2% AP），YOLOv7-E6的速度提高了近六倍，并将准确性提升了0.7个百分点。