【openvino系列教程（二）】demo问题集锦——异常显示

一、重复显示

1. 背景

1. 首先使用openvino的模型转换命令得到模型

python3 /opt/intel/openvino/deployment_tools/model_optimizer/mo.py --input_model models/xxx.caffemodel

2. 然后在super-resolution-demo里添加rgb转yuv的代码，使demo支持y通道输入，参考

3. 然后将y通道输入结果显示出来，观察结果是否符合预期。

2. 问题描述

如下图所示，左侧为输入Y通道图片，经过openvino-super-resolution-demo跑出来的结果为右图，明显结果显示不正常

3. 分析思路

a. 输出原始数据与显示数据是否有差异

输出原始数据存放在outputData里，由于计算是fp32，要显示出来需要转成CV_32FC1，再转成CV_8UC1，因此怀疑是否是转换的时候漏掉了参数。

cv::Mat output_y(h, w, CV_32FC1, &(outputData[i * nunOfPixels * numOfChannels]));
output_y.convertTo(output_y, CV_8UC1);
cv::imshow("yArImg", output_y);

b. 3通道正常，单通道异常

现象：

• 3通道输入输出的dbpn-caffe和官方给的模型，经过openvino可以将每个通道都正常显示
• ar两个版本的模型都无法正常显示，sr也不正常

猜测原因：

• openvino-demo对于单通道输出单通道输出的调用方式不对，或底层支持有问题
• 自研模型从cafe转换到openvino可能存在问题，要么是模型本身，要么是转换脚本本身

c. 模型转换有问题

• 用XXX的单通道模型+Official-demo，依然有问题，说明 模型转换本身应该没啥问题，应该是demo调用的方式不对。
• tf直接转成caffe模型，由于tf模型有两个输入，需要改demo里调用函数，过于麻烦，暂不考虑这一条路，且上一步基本证明不太可能是模型转换问题。
• 用caffe模型，控制输出节点，只转换一个conv，依然有问题，有可能是底层支持有问题，但底层调用opencv的前馈，出错概率很小

d. demo调用有问题

对比xxx的开源代码，排查demo的写法，发现xxx使用memmove进行内存拷贝，而非官方demo的matU8ToBlob，最后发现是内存拷贝的问题。

4. 结论

官方给的sample代码，提供的Mat内存拷贝到Blob的函数matU8ToBlob，对于三通道数据采用了Vec3b的方式去赋值，所以三通道会显示正常，给单通道后，就会出现1张图变三张的情况

二、一半黑色显示

1. 问题描述

2. 原因分析

上半部分黑色部分问题已解决，原因是我加的调试代码里，有一条语句：
memmove(input_data, yImg.data, (img.rows*img.cols)*sizeof(unsigned char));
跟demo里的内存拷贝matU8ToBlob<float_t>(yImg, lrInputBlob, i);重复

完整语句是：

matU8ToBlob<float_t>(yImg, lrInputBlob, i);
memmove(input_data, yImg.data, (img.rows*img.cols)*sizeof(unsigned char));

相当于matU8ToBlob用yImg.data对input_data进行了一次赋值，调试代码memmove又进行了一次同样的操作。

3. 解决办法

删除memmove(input_data, yImg.data, (img.rows*img.cols)*sizeof(unsigned char));

三、 空白图片

1. 问题描述

输出图片一篇空白

2. 原因分析及结论

有些模型先对图片进行归一化，再送入网络，然后对输出采用img.convertTo(img, CV_8UC1, 255);恢复到255的值域。
而自研模型本身不需要归一化，因此，将255改成1即可