【SS928/SD3403】Yolov8 C语言后处理代码的实现

一、Yolov8输出结果

首先查看开源代码转出来的yolov8 图，只有一个输出output0 size为1*84*8400

根据这个布局NPU推理后，获取到NPU的输出就结果内存布局如下，总共长度为1*84*8400*sizeof(float)

内存数据布局主要点，

1.每个分类都会有8400个框，有8400个打分阈值

2.所有的框的信息在最前面，第一个连续8400个数据是中心X的坐标，第二个是连续8400个Y坐标，然后是8400个box 宽度坐标，在加上8400个box高度坐标

3.后面会跟着80个分类的置信度，每个分类有8400个置信度，都是连续的；

二、C语言解析代码如下

/*
src为output数据
len = 84*8400 ，因为前面已经除以sizeof(float)
pout 为用户输出数据
*/
int result_yolov8(float *src, unsigned int len, stYolov5Objs *pOut)
{
  pOut->count = 0;

  //判断长度，保证数据长度争取
  if (len != 84 * 8400)
  {
    return 0;
  }


  proposals.clear();

  float *pScore = NULL;
  const float prob_threshold = 0.45f;
  int cx, cy, cw, ch;
   
  //遍历80个分类的置信度
  for (size_t j = 0; j < 80; j++)
  {
    //每个分类有8400个置信度
    for (size_t i = 0; i < 8400; i++)
    {
      //置信度数据的起点 4*8400 + j
      pScore = src + ((j + 4) * 8400 + i);

       //取符合置信度数据的对应坐标
      if (*pScore > prob_threshold)
      {
        Object obj;
        cx = src[i];            //第一行8400个数据x
        cy = src[1 * 8400 + i]; //第二行8400个数据有
        cw = src[2 * 8400 + i]; //第三行8400个数据我
        ch = src[3 * 8400 + i]; //第四行8400个数据h

        //下面把中心点和长宽转化为左上角坐标
        obj.rect.x = cx - cw / 2;
        obj.rect.y = cy - ch / 2;
        obj.rect.width = cw;
        obj.rect.height = ch;
        obj.label = j;
        obj.prob = *pScore;
        proposals.push_back(obj);
      }
    }
  }


//做NMS
//把结果填充到pout
}

以上主要核心代码

三、详细内容如下

2.海思SS928（3403）YOLOV8移植-后处理的代码实现

四、其他

因为Yolov8 开源输出的数据结构问题，会导致C语言有非常多的指针位移，会导致后处理的时间非常长，我实际测试，在还是SS928上，NPU部分处理大约25ms，后处理大约需要130ms；详细的log如下.

nnn_execute execution time: 158 ms
57 = 0.76660 at 345.00 183.00 256.00 x 175.00 couch 76.7% 
nnn_execute execution time: 158 ms
57 = 0.75586 at 345.00 183.00 255.00 x 174.00 couch 75.6% 
nnn_execute execution time: 158 ms
57 = 0.75391 at 345.00 182.00 256.00 x 176.00 couch 75.4% 
nnn_execute execution time: 158 ms
57 = 0.72900 at 346.00 182.00 255.00 x 174.00 couch 72.9%