修改部分模型参数后推理模型预测结果混乱

[ShiquanYu]

你好，

我修改了 det_mv3_db.yml 文件中的 NormalizeImage 参数至 std=0.5 mean=0.5(即归一化到 ±1)，修改了 backbone，将 MobileNetV3 中的 swish 算子替换成了 Relu，模型训练完成后直接推理，预测显示结果正常。

但是将训练模型转换成推理模型后，预测结果完全错误：

# 转换模型命令
python ../../tools/export_model.py \
-c ../../configs/det/det_my_mv3_db.yml \
-o Global.pretrained_model=./best_accuracy \
Global.save_inference_dir=./inference/
# 预测命令
python ../../tools/infer/predict_det.py \
--det_algorithm="DB" \
--det_model_dir=./inference \
--image_dir=../../doc/imgs/11.jpg \
--use_gpu=True

我尝试修改了 tools/infer/predict_det.py 文件中的 NormalizeImage 参数至 std=0.5, mean=0.5，但是预测结果还是错误的离谱，不知道引起这个问题的可能原因是什么？

谢谢

[ShiquanYu]

测试了 doc/imgs/ 路径下所有图片，有些图片正常，有些图片结果如上图完全混乱

[tink2123]

推理的预处理和后处理是否和模型训练过程完全一致？ 出现以上问题的主要原因是预处理和后处理的diff，建议看下推理前后的结果，和训练引擎推理做对比。

[ShiquanYu]

推理的预处理和后处理是否和模型训练过程完全一致？ 出现以上问题的主要原因是预处理和后处理的diff，建议看下推理前后的结果，和训练引擎推理做对比。

预处理相同，训练模型的 .yaml 文件中 image_shape 参数也调节成 【640， 640】，与推理模型参数一致，且我使用 paddle2onnx 工具转成 onnx 模型后，使用 infer/predict_det.py 工具推理 onnx 模型的结果可以和训练模型对齐，唯独 inference 模型特立独行结果每次都大相径庭（fixed过inference模型的输入成[640,640]，结果任然错误）

大佬有需要的话我可以把 inference 模型和 onnx 模型打包发上来。

[tink2123]

可以把训练的配置文件、模型参数和inference模型一起打包传上来看看～

[ShiquanYu]

@tink2123 佬：

inference 模型及onnx模型： models.zip

因 Normalize 参数与原版不同，使用 infer/predict_det.py 推理时需要修改第 49/50 行为：

'std': [0.5, 0.5, 0.5],
'mean': [0.5, 0.5, 0.5],

我这边两种类型的模型推理的图片，和我推理时使用的命令均已打包到压缩文件中，使用的 PaddleOCR 版本为 2.6.0

[Nancis1130]

请问您解决了吗

[thsno02]

推理的预处理和后处理是否和模型训练过程完全一致？ 出现以上问题的主要原因是预处理和后处理的diff，建议看下推理前后的结果，和训练引擎推理做对比。

预处理相同，训练模型的 .yaml 文件中 image_shape 参数也调节成 【640， 640】，与推理模型参数一致，且我使用 paddle2onnx 工具转成 onnx 模型后，使用 infer/predict_det.py 工具推理 onnx 模型的结果可以和训练模型对齐，唯独 inference 模型特立独行结果每次都大相径庭（fixed过inference模型的输入成[640,640]，结果任然错误）

大佬有需要的话我可以把 inference 模型和 onnx 模型打包发上来。

试试在 operator.py 里面指定 resize 的大小，而不是用它的 max 或者 min 方法进行 resize。