目标检测 YOLOv5 - Rockchip rknn模型的测试 包括精度，召回率，mAP等详细信息

目标检测 YOLOv5 - Rockchip rknn模型的测试 包括精度，召回率，mAP等详细信息

flyfish

该测试是使用了自定义128张图片的测试结果，如果采用官网的coco128图片数据会比下列数值更好看。
以下是对比结果，pt模型的测试结果和rknn模型的测试
pytorch模型采用不确定输入的方式，rknn模型采用了确定的640 * 640方式

rknn模型的测试方法

 python val_rknn.py --data coco128.yaml   --batch-size 1 --task 'test'  --weights ./yolov5s.rknn 

pt模型的测试方法

 python val.py --weights yolov5s.pt --data coco128.yaml --img 640

rknn模型的测试结果

pytorch模型的测试结果

对比差距
pytorch的数据

rknn的数据

对比数据的可视化展示
人工标注的图片

pytorch模型的推理结果

rknn模型的推理结果
多检测了一个分数为0.4的人，所以精度降低了

该测试使用模拟器测试，可以在Ubuntu18.04上直接运行如果要更改为真机测试，请更改 要连接的设备ID

rknn.config(
            reorder_channel='0 1 2',
            mean_values=[[0, 0, 0]],
            std_values=[[255, 255, 255]],
            optimization_level=3,
            target_platform = 'rk1808',
            # target_platform='rv1109',
            quantize_input_node= QUANTIZE_ON,
            output_optimize=1,
            force_builtin_perm=_force_builtin_perm)

ret = rknn.init_runtime()
# ret = rknn.init_runtime('rv1109', device_id='1109')

扩展
可以将rknn模型做成与pytorch模型相同的预处理，是不确定输入的方式，而不是确定的640 * 640方式

代码地址

https://github.com/shaoshengsong/rockchip_rknn_yolov5

测试代码具体路径是

rockchip_rknn_yolov5/yolov5_6.2_rknn_test/