search

DefTruth / torchlm

💎A high level pipeline for face landmarks detection, it supports training, evaluating, exporting, inference(Python/C++) and 100+ data augmentations, can easily install via pip.
https://github.com/DefTruth/torchlm
MIT License
244 stars 25 forks source link

关于在装甲板检测中的相关问题 #55

Open Hezhexi2002 opened 2 years ago

Hezhexi2002 commented 2 years ago

@DefTruth 大佬你好，就是我是一名大二学生，然后是在中北大学的robomaster战队里负责用神经网络识别装甲板实现自动瞄准，不过就是之前我用yolo系列训练出来的模型最后实际测试时得到的bbox和装甲板的轮廓并不能很好的拟合，导致后续使用pnp进行姿态解算时会有较大误差，所以我想将传统yolo的数据集格式改为用四个角点的归一化坐标，然后我看到了您这个项目，我觉得我们的应用场景和车牌检测有很大的共通之处，然后我现在的数据集格式是像这样：1 0.673029 0.373564 0.678429 0.426232 0.830433 0.401262 0.824525 0.351212，第一个数字是类别id，后面八个数字是归一化后的装甲板的四个角点坐标，然后其实现在我是参照yolov5-face这个repo来实现了关键点定位，其他一些使用网络的学校也用的这个repo，用pytorch推理的效果如下： image 第五个点我还没去掉，不过在使用他提供的export.py转化为onnx时却一直有error，目前在issue下作者还没回复我，所以现在这段时间我想来尝试尝试您的这个repo，如果您能提供一些指导，我将不胜感激

DefTruth commented 2 years ago

很抱歉~ 这个开源项目主要是做面部关键点检测的，和目标检测关系不大，这两个任务是不一样的。平时工作比较忙，和torchlm无关的issue可能无法回答

Hezhexi2002 commented 2 years ago

啊这，主要是我们现在实现装甲板检测也是直接检测四个角点，因为这样对于后续我们单目测距更加精确，所以也才会在yolov5-face的基础上来改，但是就是可能我们这个任务还需要实现装甲板颜色和数字的分类，所以可能使用您的repo还需要进行一些改动，不过既然大佬您平常很忙的话，我也就不打扰您了，不过还之前还参考过您yolov5-face使用c++部署的教程，还得感谢您呢