yolov7 onnxdemo

yolov7是由yolov4原版人马打造的，旨在提高yolo算法的速度和性能，在移动GPU设备上也具有较好的适应性。使用yolov7进行目标检测时，可以按照以下步骤进行操作：
1. 将图像转换为RGB格式，并增加一维以符合输入尺寸。可以使用以下命令实现：image = image.transpose((2, 0, 1)) image = np.expand_dims(image, 0)。
2. 调用onnx模型进行推理，可视化输出结果。输出结果是一个二维数组，每一条结果代表一个检测结果，包括batch_id, bbox的左上角横坐标、左上角纵坐标、右下角横坐标、右下角纵坐标、类别索引和置信度。需要注意的是，bbox的坐标是基于resize之后的图像中的坐标，如果需要在原始图像中显示，则需要根据resize时使用的ratio和padding数来还原出原始坐标。

关于yolov7 onnxdemo的具体实现步骤，可以按照以下思路进行：
1. 根据EP建立session，可以指定providers参数为['CUDAExecutionProvider', 'CPUExecutionProvider']来选择使用CUDA或CPU进行推理。
2. 调用session.run方法进行模型推理，可以指定输出的名称和输入的数据。
3. 解析并可视化结果。