Yolov5和Yolov7是目标检测领域中常用的两种算法模型，它们的主要区别在于网络架构和性能表现。
Yolov5是一种轻量级的目标检测模型，采用的是基于FPN(Feature Pyramid Networks)的骨干网络结构，以及使用anchor-free的检测方式，减少了模型计算量和参数数量。相比于Yolov4，Yolov5在速度和精度方面都有显著提升，达到了较好的性能表现。
Yolov7则是一种新的目标检测模型，相比于Yolov5，它采用了更深的网络结构，并且引入了一些新的技术手段，如Bottleneck Attention Module(BAM)等，从而在精度方面有了进一步提升。同