yolo和paddle模型常见输出参数解惑

深度物联网

已于 2023-08-22 17:25:23 修改

阅读量1.1k

点赞数 1

文章标签： YOLO 深度学习人工智能

于 2023-06-02 19:24:30 首次发布

转载或者复制必究责任

本文链接：https://blog.csdn.net/changzengli/article/details/131012843

版权

文章讨论了针对不同深度学习模型的输出参数进行后处理的几种方式，包括针对预测目标数量的处理、85个数值的预测框结构、目标检测中topk目标的信息，以及PaddlePaddle框架下的动态维度管理和NMS操作。这些方法涉及图像识别、目标检测和批量推理过程中的关键步骤。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在这里插入图片描述

85：每一行85个数值，5个center_x,center_y, width, height，score ，80个标签类别得分
25200：三个尺度上的预测框总和 ( 80∗80∗3 + 40∗40∗3 + 20∗20∗3 )，每个网格三个预测框，后续需要非极大值抑制NMS处理
1：没有批量预测推理，即每次输入推理一张图片

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

DynamicDimension ：表示动态维度，一般是1
im_shape：图像经过resize后的大小，表示为H,W, DynamicDimension 表示batch维度
image：输入网络的图像，DynamicDimension 表示batch维度，如果输入图像大小为变长，则H,W为None
scale_factor：输入图像大小比真实图像大小，表示为scale_y, scale_x
multiclass_nms3_0.tmp_0：bbox, NMS的输出，形状为[N, 6], 其中N为预测框的个数，6为[class_id, score, x1, y1, x2, y2]
multiclass_nms3_0.tmp_2：bbox_num, 每张图片对应预测框的个数，例如batch_size为2，输出为[N1, N2], 表示第一张图包含N1个预测框，第二张图包含N2个预测框，并且预测框的总个数和NMS输出的第一维N相同