RV1126板子上跑YOLOV5目标检测模型——过程难题：大框包小框

        在yolov5目标检测模型进行训练和测试时，均成功检测，检测框、置信度均没有问题。

        但是在板子上测试检测模型时，出现了大框包小框，并且最大的框都不能将目标全部框住的问题。在全网搜索解决方法，分别排查：

1. 是否是pt转换为onnx文件时出现的问题。5. YOLOv5(目标检测) — [野火]嵌入式AI应用开发实战指南—基于LubanCat-RK系列板卡 文档 (embedfire.com)https://doc.embedfire.com/linux/rk356x/Ai/zh/latest/lubancat_ai/example/yolov5.html#
2. 是否是模拟测试时量化的dataset.txt的问题。（量化的图片选择、量化图片质量、量化图片数量）
3. 修改阈值和框的大小

   BOX_THRESH = 0.5
   NMS_THRESH = 0.6

   def draw(image, boxes, scores, classes):
       """Draw the boxes on the image.
   
       # Argument:
           image: original image.
           boxes: ndarray, boxes of objects.
           classes: ndarray, classes of objects.
           scores: ndarray, scores of objects.
           all_classes: all classes name.
       """
       for box, score, cl in zip(boxes, scores, classes):
           top, left, right, bottom = box
           print('class: {}, score: {}'.format(CLASSES[cl], score))
           print('box coordinate left,top,right,down: [{}, {}, {}, {}]'.format(top, left, right, bottom))
           top = int(top)
           left = int(left)
           right = int(right)
           bottom = int(bottom)
   
           cv2.rectangle(image, (top, left), (right, bottom), (255, 0, 0), 2)
           cv2.putText(image, '{0} {1:.2f}'.format(CLASSES[cl], score),
                       (top, left - 6),
                       cv2.FONT_HERSHEY_SIMPLEX,
                       0.6, (0, 0, 255), 2)

4.  以上所有的方法都试验之后，均不能在根本上解决问题，最后发现是数据集的问题。训练的数据集中一大部分是网络图片，并不是真实场景的图片，而量化的时候采用的是真实场景中的图片，导致在板子上模拟测试效果极差。最后修改训练数据集，将网络图片删除，增加大量真实场景的图片，训练成功。

---

 如果大家也出现同样的问题，首先应检查数据集是否有问题，可首先少训练几轮看看结果。