目标检测 YOLOv5 - Rockchip rknn模型的测试 包括精度,召回率,mAP等详细信息
flyfish
该测试是使用了自定义128张图片的测试结果,如果采用官网的coco128图片数据会比下列数值更好看。
以下是对比结果,pt模型的测试结果和rknn模型的测试
pytorch模型采用不确定输入的方式,rknn模型采用了确定的640 * 640方式
rknn模型的测试方法
python val_rknn.py --data coco128.yaml --batch-size 1 --task 'test' --weights ./yolov5s.rknn
pt模型的测试方法
python val.py --weights yolov5s.pt --data coco128.yaml --img 640
rknn模型的测试结果
pytorch模型的测试结果
对比差距
pytorch的数据
rknn的数据
对比数据的可视化展示
人工标注的图片
pytorch模型的推理结果
rknn模型的推理结果
多检测了一个分数为0.4的人,所以精度降低了
该测试使用模拟器测试,可以在Ubuntu18.04上直接运行如果要更改为真机测试,请更改 要连接的设备ID
rknn.config(
reorder_channel='0 1 2',
mean_values=[[0, 0, 0]],
std_values=[[255, 255, 255]],
optimization_level=3,
target_platform = 'rk1808',
# target_platform='rv1109',
quantize_input_node= QUANTIZE_ON,
output_optimize=1,
force_builtin_perm=_force_builtin_perm)
ret = rknn.init_runtime()
# ret = rknn.init_runtime('rv1109', device_id='1109')
扩展
可以将rknn模型做成与pytorch模型相同的预处理,是不确定输入的方式,而不是确定的640 * 640方式