模型訓練效果
不好意思打擾了
我最近訓練出了KL720的模型,但辨識效果不佳
這是我之前用自己標記的圖片訓練出來的模型,資料快2000張,辨識效果不錯
然後這是我後來加上coco128的資料集然後再訓練的,資料量約10萬張,辨識效果不佳
想問一下這樣會不會是我轉檔方面出問題,還是說因為資料量太大反而導致效果不佳
下面雲端是我的nef和onnx,想請你幫我看一下,拜託指教了謝謝
https://drive.google.com/drive/folders/11XysQVKagDoR_HUHRRzDqOH1xIjMCSSP?usp=sharing
The discussion has been closed due to inactivity. To continue with the topic, please feel free to post a new discussion.
Comments
我註明一下
加上coco128的資料集然後再訓練的模型是用pytorch
轉成onnx之前有inference過,辨識效果是好的,但轉成onnx後和nef之後
辨識結果就像第二張圖片那樣
@sugar
Hi sugar,
我想跟您確認一下,
您轉成 onnx 之前的 model (是連結內的 best.pt 嗎?)
轉換後的 onnx model (是連結內 yolov5s-coco128_simplify_convert.onnx 嗎?)
還有您是否可以提供一下您的 inference scripts (轉成 onnx 前的、轉成 onnx 後的、轉成 nef 後的),還有您的 onnx 轉 nef 的 scripts 與相關檔案。
好的檔案如下
best.pt 一>yolov5s-coco128_simplify.onnx 一> yolov5s-coco128_simplify_convert.onnx 一> models_720.nef
這個是我們訓練出pt的scripts
https://github.com/ultralytics/yolov5/blob/master/tutorial.ipynb
這是我們轉onnx的scripts(下面這個tutorial.ipynb在lab/detection_yolov5/yolov5/yolov5/tutorial)
然後我們是根據以下連結的步驟轉成nef
https://ithelp.ithome.com.tw/articles/10264674
@sugar
Hi sugar,
這裡想釐清一些問題,不知道您的模型推論效果,6/17所貼的第一張圖片與第二張圖片,是否都是用 .pth 推論結果所畫出來的圖(還是用 .onnx 或是用 .nef 推論結果畫出來的圖)。
幫您看過您的流程後,這邊不建議使用別人 Repo 內的 model 串接我們 mmlab 上的 onnx export 與 inference。
如果需要別人的 Repo 建議自行去修改原本別人 Repo 的 code,自己將 onnx export 出來並進行 inference 的驗證,接著進行 Kneron Tool Chain 的流程與推論。
還有建議您,因為您是使用這個連結 (https://ithelp.ithome.com.tw/articles/10264674) 的方法將 onnx model 轉成 nef 的,這個方法是在較舊的 Kneron Tool Chain 使用的方法。
建議您利用目前較新的 Kneron Tool Chain 的 API 來轉成 .nef,
參考連結:(1) http://doc.kneron.com/docs/#toolchain/manual/、(2)http://doc.kneron.com/docs/#toolchain/python_api/