Super-Gradients项目中YOLO-NAS模型导出ONNX后精度下降问题解析

问题背景

在使用Super-Gradients框架训练YOLO-NAS-S模型时，开发者遇到一个典型问题：训练好的模型在原生Python环境下表现良好（F1分数达到0.9），但当导出为ONNX格式后，同样的验证集上F1分数骤降至0.05。这种性能差异在计算机视觉模型部署过程中并不罕见，但如此大的性能差距值得深入分析。

根本原因分析

经过技术团队排查，发现问题核心在于预处理不一致。具体表现为：

1. 输入图像处理差异：原生Python环境下的model.predict()方法会自动执行正确的预处理流程，包括保持长宽比的resize和padding操作。而开发者自行实现的ONNX推理流程中，直接对图像进行了简单的640x640 resize，破坏了原始图像的长宽比。

2. 目标变形问题：当输入图像被强制拉伸到正方形尺寸时，目标物体会发生严重形变。例如案例中的人体检测，人体比例被扭曲后，模型难以识别这种非自然形态的目标。

3. 置信度阈值敏感：由于形变导致模型输出置信度降低，原本在0.8阈值下能检测到的目标，在ONNX推理中因置信度不足而被过滤掉。

解决方案

要解决这一问题，需要确保ONNX推理流程与训练时的预处理完全一致。具体实现应包括以下步骤：

1. 保持长宽比的resize：首先将图像的最长边缩放到640像素，短边按比例缩放。

def resize_with_aspect_ratio(image, target_size=640):
    h, w = image.shape[:2]
    scale = min(target_size/h, target_size/w)
    new_h, new_w = int(h * scale), int(w * scale)
    return cv2.resize(image, (new_w, new_h))

2. 边缘填充(padding)：将缩放后的图像放置在640x640画布的中心位置，四周用零值填充。

def pad_to_square(image, target_size=640):
    h, w = image.shape[:2]
    top = (target_size - h) // 2
    bottom = target_size - h - top
    left = (target_size - w) // 2
    right = target_size - w - left
    return cv2.copyMakeBorder(image, top, bottom, left, right, cv2.BORDER_CONSTANT, value=0)

3. 后处理坐标转换：推理完成后，需要将检测框坐标转换回原始图像坐标系，考虑padding偏移和缩放比例。

最佳实践建议

1. 预处理一致性检查：在导出ONNX模型前，应仔细检查框架默认的预处理参数，可通过查看数据集配置文件获取。

2. 可视化验证：在部署前，应对同一图像分别运行原生Python推理和ONNX推理，直观比较检测结果。

3. 置信度分析：可以输出模型原始置信度分布，观察ONNX导出前后置信度的变化趋势。

4. 量化影响评估：如果使用了INT8量化，需额外注意量化对模型精度的影响，建议先确保FP32精度正常后再尝试量化。

总结

模型导出后的性能下降问题往往源于预处理/后处理流程的不一致。通过本案例的分析，我们认识到保持训练和推理环境处理流程一致性的重要性。特别是在目标检测任务中，图像的长宽比保持、padding方式等细节都会显著影响模型性能。开发者应当深入理解框架的默认处理流程，并在自定义推理代码中精确复现这些操作，才能确保模型性能的稳定迁移。