用NCNN部署mmdetection的yolov3

最近这段时间一直在学习NCNN以及c++代码，由于之前并未看过检测器的后处理部分（属于是半吊子），导致在部署过程中非常迷惑。为了熟悉部署的流程，下面以mmdetection中的yolov3为例，将部署流程分享给大家参考参考。目前检测的框还存在问题，可能是我后处理部分还有点问题，也可能是前处理的问题，等解决后再放相关代码（目前还是个菜鸟~）。放一些niuhui大佬和三木君大佬的参考学习链接：

详细记录u版YOLOv5目标检测ncnn实现-nihui

详细记录u版YOLOv5目标检测ncnn实现（第三版）

部署流程

1. 准备权重文件

我是直接在mmdetection官方下载的yolov3_d53_320_273e_coco-421362b6.pth文件，也可自己训练。然后我的环境如图（版本比较老）：

2. 导出ONNX文件

利用mmdetection中自带的tools/pytorch2onnx.py即可，但需要注意的是，后处理的部分算子ncnn可能不支持，这部分需要自己用c++重写。我们将后处理部分在导出的时候省略即可，如下图。你只需看mmdet/models/detectors/yolo.py和mmdet/models/dense_heads/yolo_head.py的相关代码。

省略后处理导出

导出后的onnx可视化，有三个类似的输出

先看前者，找到其继承的父类，可以看到导出的是bbox_list，但bbox_list已经是经过后处理的（get_bboxes），去yolo_head.py看相关后处理代码：

你只需在c++重新这部分的代码即可，最后放上错误的检测结果图（虽然是错的，就当记录下学习历程，待我解决后再更新哈哈哈哈~）。

经排查，由于导出的模型是320×320，在检测出结果后，需根据x和y方向的缩放比例映射回原图，如下图，img_w和img_h还是int类型，最后导致scale_x和scale_y是int类型，导致映射回原图的框位置有问题，强制转换一下即可，c++的代码能力还是太菜，还需学习。

强制转换类型

ncnn

pytorch

左下角的人未检测出来，精度有些损失。继续学习。。。

最后贴一下代码，关于NCNN的环境配置自行上网查询：

YOLOV3-NCNNhttps://github.com/marvellee1/YOLOV3-NCNN