Closed simplew2011 closed 2 years ago
参数是一致的。 det_limit_side_len这个参数有无影响,改了640,736,960,似乎没啥变化
以前v1.1版本也有这种问题,v2.0又出现
左边是infer_det.py结果,右侧是predict_det.py结果,可以看到前者和目标框比较紧密,点集回归比较准。除了上诉参数,还有那些参数可能影响predict_det.py的结果呢?
你的图像能否发我测试下
你的图像能否发我测试下
您有一份文件待查收!即刻点击链接获取文件:https://cowtransfer.com/s/312cd6298a6042 或进入 cowtransfer.com 获取,在首页输入取件码:195535(24小时内有效)
你的图像能否发我测试下
您有一份文件待查收!即刻点击链接获取文件:https://cowtransfer.com/s/312cd6298a6042 或进入 cowtransfer.com 获取,在首页输入取件码:195535(24小时内有效)
内含模型和图片
找到问题了,是训练模型和预测模型的预处理不一致导致的,已经提了PR修复,可以按照PR的内容修改下代码,再试下
问题确实出现在DB预处理,但按建议改 'DetResizeForTest': None的效果还是比infer_det.py差不少,此处改成'image_shape': [640, 640]的效果会接近infer_det.py,稍稍差一点点。
原图
是预处理不一样,我看了一下你的config文件,应该是和预测的时候一些参数没对应上导致的,train model 在eval的时候 在tools/infer/predict_det.py预测的时候,先修改下tools/infer/predict_det.py line42 的参数如下, 然后预测的时候调整后处理参数和config文件里的超参数一致,
python3.7 tools/infer/predict_det.py --det_model_dir=./data/inference/ --image_dir=./car.png --det_db_box_thresh=0.6 --det_db_unclip_ratio=1.5
这样得到的box是完全一样的
infer/predict_det.py
inference predict :[[[ 97. 528.]
[271. 559.]
[270. 624.]
[ 95. 593.]]]
trained model results
train model predict : [[[ 97 528]
[271 559]
[270 624]
[ 95 593]]]
非常抱歉,后面会想办法统一下超参数,避免不必要的踩坑
非常抱歉,后面会想办法统一下超参数,避免不必要的踩坑
感谢。
非常抱歉,后面会想办法统一下超参数,避免不必要的踩坑
在训练时配置表,Eval.DetResizeForTest: image_shape: [736, 1280]可否和Train数据保持一致image_shape: [640, 640],为什么要设置为[736, 1280]?
不同数据集的shape不同,建议 Eval.DetResizeForTest: 不设置参数,就是默认为None,eval的时候会按照原图大小预测,你可以在训练的配置文件里把image_shape: [736, 1280] 注释掉
类似的问题(已解决),在这里记录一下。
基于det_mv3_east.yml
训练的检测模型,训练完成后使用tools/infer_det.py
测试效果很好,转推理模型后,用
python3 tools/infer/predict_det.py --image_dir="./doc/imgs_my_test/" --det_model_dir="inference/det_mv3_east"
做预测,完全没有效果。 修改为如下命令(指定了检测算法)后就有效果了:
python3 tools/infer/predict_det.py --image_dir="./doc/imgs_my_test/" --det_model_dir="inference/det_mv3_east" --det_algorithm="EAST"
Hi All, I had same issue with recognition module. The detail of my issue in #2755 Could you please give me your suggestion. Thank you so much.
请问:自己训练的 文本识别 rec 模型,同一批测试集,inference模型与eval模型最后的准确率差距很大,为什么?
不同数据集的shape不同,建议 Eval.DetResizeForTest: 不设置参数,就是默认为None,eval的时候会按照原图大小预测,你可以在训练的配置文件里把image_shape: [736, 1280] 注释掉
大佬,你好,在release/2.1分支上,这个结果不同的问题还是存在,predict_det.py的时候不加'image_shape': [960, 960](随意指定),结果识别不出来;随意加个尺寸[960, 960]或者 [736, 1280] ,结果就能正常出来
非常抱歉,后面会想办法统一下超参数,避免不必要的踩坑
请问大佬解决这个问题了吗?我也遇到了这个情况,自己训练的DBNet模型用官方python预测代码可以检测的很好,模型到处为推理模型之后,用cpp推理却检测不到?好奇怪
PaddleOCR-release-2.0 基于det_mv3_db.yml训练车牌检测模型。 使用训练完的模型直接测试,infer_det.py,效果很好。 然后使用export_model.py对best_accuracy模型进行转换为推理模型(基于训练时的配置表config.yml),得到inference模型,使用predict_det.py做预测。效果没有前者好,检测框不紧密。
使用官方的ch_ppocr_mobile_v2.0_det_train进行测试,以及转换后测试效果也不一致。
如下保证predict_det.py的效果和infer_det.py一致? 请问大佬解决这个问题了吗?我也遇到了这个情况,自己训练的DBNet模型用官方python预测代码可以检测的很好,模型到处为推理模型之后,用cpp推理却检测不到?好奇怪
2021/8/26,这个不一致问题还是存在,打包出来的模型效果比较差
把这一行注释掉,结果就一样了...
把这一行注释掉,结果就一样了...
兄弟,感恩抱拳了
是预处理不一样,我看了一下你的config文件,应该是和预测的时候一些参数没对应上导致的,train model 在eval的时候 在tools/infer/predict_det.py预测的时候,先修改下tools/infer/predict_det.py line42 的参数如下, 然后预测的时候调整后处理参数和config文件里的超参数一致,
python3.7 tools/infer/predict_det.py --det_model_dir=./data/inference/ --image_dir=./car.png --det_db_box_thresh=0.6 --det_db_unclip_ratio=1.5
这样得到的box是完全一样的
按照你说的这些设置完成之后,还是检测不到,能给帮忙看看吗
你的代码不是最新的吧,切换成最新的代码吧
把这一行注释掉,结果就一样了...
注释掉了,还是没有效果,崩溃
检测不到,还是导出的模型检测和训练的模型检测不一样?
是预处理不一样,我看了一下你的config文件,应该是和预测的时候一些参数没对应上导致的,train model 在eval的时候 在tools/infer/predict_det.py预测的时候,先修改下tools/infer/predict_det.py line42 的参数如下, 然后预测的时候调整后处理参数和config文件里的超参数一致,
python3.7 tools/infer/predict_det.py --det_model_dir=./data/inference/ --image_dir=./car.png --det_db_box_thresh=0.6 --det_db_unclip_ratio=1.5
这样得到的box是完全一样的
按照你说的这些设置完成之后,还是检测不到,能给帮忙看看吗
你的代码不是最新的吧,切换成最新的代码吧
已经解决,是推理过程出了问题
Since you haven\'t replied for more than 3 months, we have closed this issue/pr. If the problem is not solved or there is a follow-up one, please reopen it at any time and we will continue to follow up. It is recommended to pull and try the latest code first. 由于您超过三个月未回复,我们将关闭这个issue/pr。 若问题未解决或有后续问题,请随时重新打开(建议先拉取最新代码进行尝试),我们会继续跟进。
把这一行注释掉,结果就一样了...
就是这里!
把这一行注释掉,结果就一样了...
就是这里!
我也是这里注释掉了就好了,什么原因呢?因为后面我想用python的那个库来加载我的推理模型,感觉出现了一样的问题,但是在这里我没有办法做注释了
把这一行注释掉,结果就一样了...
就是这里!
我也是这里注释掉了就好了,什么原因呢?因为后面我想用python的那个库来加载我的推理模型,感觉出现了一样的问题,但是在这里我没有办法做注释了
把这一行注释掉,结果就一样了...
就是这里!
真正的大佬 三年后依然可以帮助到人
PaddleOCR-release-2.0 基于det_mv3_db.yml训练车牌检测模型。 使用训练完的模型直接测试,infer_det.py,效果很好。 然后使用export_model.py对best_accuracy模型进行转换为推理模型(基于训练时的配置表config.yml),得到inference模型,使用predict_det.py做预测。效果没有前者好,检测框不紧密。
使用官方的ch_ppocr_mobile_v2.0_det_train进行测试,以及转换后测试效果也不一致。
如下保证predict_det.py的效果和infer_det.py一致?