获取推理结果坐标
-
通过rknn_lite模型推理结束后，获取推理结果的坐标（每个矩形框的四个点坐标）
-
这个后处理部分，暂时我们还没有提供，网络上先找找，目前yolov5正在TODO计划中。
-
@zhengbicheng 假如不考虑yolov5，我只需要推理结果的坐标。这个对我们很重要，后续功能的功能都是通过坐标来实现的
-
@ccjjww1222 每一个模型的输出设计都是不一样的，后处理也不一样，没办法提供一个通用的后处理代码。
-
@zhengbicheng 可能是我的描述不清楚，我们的模型依旧使用 yoloV5训练，用自己训练的模型，不是使用默认的yolov5 模型
yolov5有大概的时间计划不？ 1个月？1个季度？还是明年 ？ -
@ccjjww1222 我懂你的意思，你们就是把yolov5 clone下来训练一遍嘛。如果你们没有改动模型结构的话，在rknn上推理是会出错的。请先用这个仓库的yolov5进行训练:EASY-EAI-Yolov5
-
@ccjjww1222 yolov5计划在11月底前实现适配，下周可能会推出轻量级目标检测框架Picodet的适配，您可以尝试一下。
-
@zhengbicheng 好的
我参考了https://github.com/soloist-v/yolov5_for_rknn/blob/master/rknn_detect_yolov5.py里面的方案，画出来的矩形框位置不对，还是等等你们的吧。
模型训练目前先不急，我先把矩形框位置画对了，再训练 -
@ccjjww1222 这个yolov5应该是没问题的呀，你训练的yolov5是哪个版本的yolov5？
-
@zhengbicheng
通过https://github.com/rockchip-linux/rknn-toolkit/tree/master/examples/onnx/yolov5/yolov5s.onnx转换的。
另外一个事情，我用来测试的图片分辨率是810 X 1080，它有问题，
但是我接入摄像头，就没啥问题，摄像头每一帧的图片是480 X 640。
代码这边：https://github.com/jianwei/machine99/blob/main/detect/RKNN/detect.py （模型我没有上传） -
@zhengbicheng 这个是我摄像头推理的时间：
inference time：当前这一帧的推理时间
avg_inference_time：以上所有帧平均推理时间
width:宽
height:高,
fps:fps
这样的推理时间正常不 ？
. -
@ccjjww1222 正常，确实就是100ms左右
-
有问题无非两种情况。
- 第一种情况是模型本身就有问题。
- 第二种情况是模型没问题，rknn推理有问题。
排查的方法有两种。
- 第一种:针对RKNN推理精度问题，rknn-toolkit提供了连板调试的方法，但是我们还未开放这个方法。
- 第二种：请先用onnxruntime跑一遍onnx模型的推理结果，如果onnx推理出来的结果出错，说明是模型本身的问题。如果onnx推理没错，rknn错了，你再留言。
针对这个仓库的话，RKNN精度应该是没问题的，这个RK那边已经测试过了。只可能是模型不匹配，毕竟不可能100%都检测出来。
-
@zhengbicheng said in 获取推理结果坐标:
第一种:针对RKNN推理精度问题，rknn-toolkit提供了连板调试的方法，但是我们还未开放这个方法。
这个功能会开放吗，是硬件的更改吗？
