首页
/ TensorRTX项目中YOLOv5推理结果与PyTorch不一致问题解析

TensorRTX项目中YOLOv5推理结果与PyTorch不一致问题解析

2025-05-30 16:30:14作者:廉皓灿Ida

问题背景

在TensorRTX项目中使用YOLOv5模型进行目标检测时,开发者发现通过TensorRT引擎推理得到的边界框中心坐标与PyTorch推理结果存在差异,而宽度和高度则基本一致。这一问题影响了模型评估的准确性,特别是在需要精确比较两种实现方式性能的场景下。

差异原因分析

经过深入分析,发现这种差异主要来源于两种实现方式在图像预处理阶段采用了不同的缩放策略:

  1. TensorRTX实现:使用了等比缩放策略

    float scale = std::min(dst_height / (float)src_height, dst_width / (float)src_width);
    
  2. PyTorch实现:采用了保持纵横比的缩放策略

    shape0.append(s)  # image shape
    g = max(size) / max(s)  # gain
    

这两种不同的预处理方式导致了模型输入的特征分布存在细微差别,进而影响了最终检测结果的坐标值。

解决方案

为了确保TensorRTX推理结果与PyTorch保持一致,需要对检测结果的坐标进行后处理转换。关键点在于理解并实现正确的坐标映射关系:

  1. 坐标转换原理

    • 首先计算输入图像与模型输入尺寸的比例关系
    • 根据不同的缩放情况(宽度受限或高度受限)采用不同的补偿策略
    • 将模型输出的归一化坐标映射回原始图像空间
  2. 实现代码: 以下C++函数实现了从模型输出坐标到原始图像坐标的转换:

    std::tuple<float, float, float, float> get_rect_values(cv::Mat& img, float bbox[4]) {
        float l, r, t, b;
        float r_w = kInputW / (img.cols * 1.0);
        float r_h = kInputH / (img.rows * 1.0);
        
        if (r_h > r_w) {
            // 宽度受限情况
            l = bbox[0] - bbox[2] / 2.f;
            r = bbox[0] + bbox[2] / 2.f;
            t = bbox[1] - bbox[3] / 2.f - (kInputH - r_w * img.rows) / 2;
            b = bbox[1] + bbox[3] / 2.f - (kInputH - r_w * img.rows) / 2;
            l = l / r_w;
            r = r / r_w;
            t = t / r_w;
            b = b / r_w;
        } else {
            // 高度受限情况
            l = bbox[0] - bbox[2] / 2.f - (kInputW - r_h * img.cols) / 2;
            r = bbox[0] + bbox[2] / 2.f - (kInputW - r_h * img.cols) / 2;
            t = bbox[1] - bbox[3] / 2.f;
            b = bbox[1] + bbox[3] / 2.f;
            l = l / r_h;
            r = r / r_h;
            t = t / r_h;
            b = b / r_h;
        }
        
        return std::make_tuple(l, t, r - l, b - t);
    }
    

技术要点

  1. 比例计算

    • r_wr_h分别表示宽度和高度方向上的缩放比例
    • 通过比较这两个比例可以确定图像是宽度受限还是高度受限
  2. 补偿策略

    • 对于受限的维度,需要补偿因保持纵横比而添加的padding
    • 补偿值计算为(kInputH - r_w * img.rows) / 2(kInputW - r_h * img.cols) / 2
  3. 坐标映射

    • 将模型输出的归一化坐标减去补偿值
    • 然后除以相应的缩放比例,映射回原始图像空间

实际应用

在实际评估模型性能时,开发者可以:

  1. 使用上述函数转换TensorRT推理结果
  2. 将转换后的坐标与PyTorch推理结果进行比较
  3. 确保两种实现方式在相同的评估标准下进行对比

这种方法不仅解决了坐标不一致的问题,也为后续的模型优化和部署提供了可靠的技术基础。

总结

TensorRTX项目中YOLOv5推理结果与PyTorch的差异主要源于预处理策略的不同。通过实现正确的坐标后处理转换,可以确保两种实现方式的评估结果具有可比性。这一解决方案不仅适用于当前的评估需求,也为后续的模型部署和优化提供了重要的技术参考。

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
149
1.95 K
kernelkernel
deepin linux kernel
C
22
6
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
980
395
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
274
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
931
555
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
190
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
75
66
openHiTLS-examplesopenHiTLS-examples
本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
65
519
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.11 K
0