TensorRTX项目中YOLOv5推理结果与PyTorch不一致问题解析
2025-05-30 08:43:30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:
-
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);
-
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:
-
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
-
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
-
比例计算:
r_w
和r_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
-
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
或(kInputW - r_h * img.cols) / 2
-
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:
- 使用上述函数转换TensorRT推理结果
- 将转换后的坐标与PyTorch推理结果进行比较
- 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
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~050CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
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!C0305- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
1 freeCodeCamp猫照片应用教程中的HTML注释测试问题分析2 freeCodeCamp全栈开发课程中测验游戏项目的参数顺序问题解析3 freeCodeCamp英语课程填空题提示缺失问题分析4 freeCodeCamp音乐播放器项目中的函数调用问题解析5 freeCodeCamp论坛排行榜项目中的错误日志规范要求6 freeCodeCamp 课程中关于角色与职责描述的语法优化建议 7 freeCodeCamp全栈开发课程中React组件导出方式的衔接问题分析8 freeCodeCamp Cafe Menu项目中link元素的void特性解析9 freeCodeCamp全栈开发课程中React实验项目的分类修正10 freeCodeCamp英语课程视频测验选项与提示不匹配问题分析
最新内容推荐
OMNeT++中文使用手册:网络仿真的终极指南与实用教程 基于Matlab的等几何分析IGA软件包:工程计算与几何建模的完美融合 PADS元器件位号居中脚本:提升PCB设计效率的自动化利器 电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 Python Django图书借阅管理系统:高效智能的图书馆管理解决方案 Python开发者的macOS终极指南:VSCode安装配置全攻略 WebVideoDownloader:高效网页视频抓取工具全面使用指南 ReportMachine.v7.0D5-XE10:Delphi报表生成利器深度解析与实战指南 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源
项目优选
收起

React Native鸿蒙化仓库
C++
178
262

🎉 (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
867
513

openGauss kernel ~ openGauss is an open source relational database management system
C++
129
183

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
265
305

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
371

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
1.07 K
0

🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15

一款跨平台的 Markdown AI 笔记软件,致力于使用 AI 建立记录和写作的桥梁。
TSX
83
4

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
598
57

基于可以运行在OpenHarmony的git,提供git客户端操作能力
ArkTS
10
3