背景
将深度目标检测算法部署到移动端,模型的head后半部分(红色框内部)未被转换和量化,需要c++重写此部分。在服务器中进行转换和量化模型,并对量化后模型进行推理,得到中间结果。
图1 模型结构
在python实现后处理部分时,需要将最终结果输入到opencv实现的NMS算法之中,得到最终的bbox,并将其绘制在图像之中。
实现方案
我的实现方案为:
- 首先,过滤置信度过小的bbox,指定conf_th(置信度阈值);
- 之后,指定iou_th(iou阈值),调用opencv自带的nms算法;
- 最终,获得nms后的bbox index数组;
此过程中,我传入NMS算法的bboxes为实际尺寸的(x,y,w,h)数组,但实际bboxes为(left_top_x,left_top_y,w,h)数组。也能输出indexes,且位置大体上对,与实际结果相比少了很多,debug也不易发现。
图2 NMS参数
如何找到bug
将nms前bboxes直接绘制到图像之中,再将NMS后的bboxes绘制在图像之中,确保nms不发生错误。