LPRNet：本仓的模型和例子，在RK3588板上运行，结果不符合预期

步骤：

按照官方说明的方式，用下载onnx模型，并转换为rknn模型。
把lprnet.rknn模型和本仓的lprnet下的test.jpg上传到RK3588上推理，结果是：

车牌识别结果: 湘PCL

预期应该是：

车牌识别结果: 湘F6CL03

说明：

本仓的lprnet.py是adb连接板子并运行推理，我采用的方式是把lprnet.rknn、test.jpg上传到RK3588板子上进行推理。

推理代码的主要逻辑是从本仓的lprnet.py修改来的，主要区别是把RKNN换成了RKNNLite，并增加了cvtColor和expand_dims等处理步骤：


if __name__ == "__main__":
    model_path = "./lprnet.rknn"
    target = "rk3588"

    # Create RKNN object
    rknn_lite = RKNNLite(verbose=False)

    # Load RKNN model
    ret = rknn_lite.load_rknn(model_path)
    if ret != 0:
        print('Load RKNN model "{}" failed!'.format(model_path))
        exit(ret)
    print("done")

    print(target)

    # Init runtime environment
    print("--> Init runtime environment")
    ret = rknn_lite.init_runtime()
    if ret != 0:
        print("Init runtime environment failed!")
        exit(ret)
    print("done")

    # Set inputs
    img = cv2.imread("test.jpg")
    img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
    img = cv2.resize(img, (94, 24))
    img = np.expand_dims(img, 0)

    # Inference
    print("--> Running model")
    outputs = rknn_lite.inference(inputs=[img])

    # Post Process
    print("--> PostProcess")
    labels, pred_labels = decode(outputs[0], CHARS)
    print("车牌识别结果: " + str(labels[0]))

    # Release
    rknn_lite.release()

请教各位大佬，按道理运行官方例子结果应该不会偏差这么大，可能是什么原因呢？拜谢！

airockchip / rknn_model_zoo

LPRNet：本仓的模型和例子，在RK3588板上运行，结果不符合预期 #225