接着上一篇文章的劲儿,继续学习NCNN部署和C++,顺带深入了解一些经典目标检测器的细节。本次学习用到的是mmdetection的ssd模型,由于没有仔细看其后处理代码和相关配置文件,导致在调试过程中非常痛苦~。还有一个坏习惯就是在写代码前,脑子里事先没有对整体有个构思,都是一步一步的搭建,效率非常低。下面进入正题吧。
1. 环境和模型准备
环境如同上文,2.6.0版本的mmdet。我用的是configs/ssd/ssd300_coco,模型可在官网的相关版本下载,也可以训练自己的模型
模型
2. 熟悉后处理代码
配置文件
输出代码部分
后处理部分
解码部分
重写导出代码
输出shape
还是和上一篇文章一样,先看后处理,把get_bboxes部分的代码注释,自己重写一下导出的代码就可以了。ssd的输出有cls和bbox两部分,如果不懂可以自己打印一下相关输出。起初我在重写导出部分的时候,把cls和bbox给concat起来了,后边发现它要softmax,然后又重新写了导出部分代码。
错例
在重写导出时,cls做了两次reshape。第一次reshape是为了在其后边实现softmax,我之前导出的一版在这儿出错了。如上图,把多个anchor的cls输出放在最后直接softmax了,实际softmax是针对每个anchor的cls输出的,所以第一次reshape我把每个anchor的cls输出分开进行softmax。
3. 模型转换pth2onnx
用tools/pytorch2onnx.py,根据配置文件,修改里边相关的参数,然后导出就行。放一下导出后的onnx模型,目前softmax还没加上,在后边转ncnn后才加。
导出可视化,有6个类似的输出
4.onnx2ncnn
还是用在NCNN官网编译好在win上的工具,可根据网上教程进行,最后的产物如下:
然后打开param文件,加softmax,在此过程中,我遇到了"param is too old, please regenerate",根据查阅加上1=1这个参数就好了。
加上softmax后,要注意重新计算layer count和blob count,最后param修改部分如下:
param
修改后param可视化
5. 代码重写
cpp后处理部分代码
python后处理部分代码
一定要注意means和stds的值,最初我在看配置文件时没看继承的文件,这块我在后处理时没有写上,导致最后的框出现问题。最后放上检测结果和代码,左下角的人误检了。
检测结果
经过yolov3和ssd的部署,对后处理部分逐渐熟悉起来,对ncnn这个框架也有点感觉了。欢迎大家交流,我也还是个菜鸡,一起学习。