操作步骤如下:
1,sast pretrained 模型使用命令预测:python tools/infer_det.py -c configs/det/det_r50_vd_sast_icdar15.yml -o Global.infer_img="" Global.pretrained_model="output/sast_r50_vd_ic15_train/best_accuracy"
2,得到结果:
3,使用命令转换inference 模型:python tools/export_model.py -c configs/det/det_r50_vd_sast_icdar15_train.yml -o Global.pretrained_model=output/sast_r50_vd_ic15_train/best_accuracy Global.save_inference_dir=inference/sast_r50_vd_ic15_train
4,使用命令推理:python tools/infer/predict_det.py --det_algorithm="SAST" --image_dir="" --det_model_dir="inference/sast_r50_vd_ic15_train"
5,得到结果:
这个问题真的没有办法解决吗?
ps:附上det_r50_vd_sast_icdar15.yml配置文件关键部分:
8条答案
按热度按时间68bkxrlz1#
对齐一下预测的后处理参数试试:
PaddleOCR/tools/infer/utility.py
Lines 57 to 60 in 39161f5
| | # SAST parmas |
| | parser.add_argument("--det_sast_score_thresh", type=float, default=0.5) |
| | parser.add_argument("--det_sast_nms_thresh", type=float, default=0.2) |
| | parser.add_argument("--det_sast_polygon", type=bool, default=False) |
1l5u6lss2#
对齐一下预测的后处理参数试试:
PaddleOCR/tools/infer/utility.py
Lines 57 to 60 in 39161f5
| | # SAST parmas |
| | parser.add_argument("--det_sast_score_thresh", type=float, default=0.5) |
| | parser.add_argument("--det_sast_nms_thresh", type=float, default=0.2) |
| | parser.add_argument("--det_sast_polygon", type=bool, default=False) |
本来就是这样的
qvsjd97n3#
是的,我的意思是和你yml文件里的参数对齐
kognpnkq4#
是的,我的意思是和你yml文件里的参数对齐
我检查了这三个参数,和yml文件里面的参数值是一样的
其实这个问题真的很好复现,随便下载一个resnet sast的pretrained模型,预测一张图片,然后使用同样的yml文件转换为inference模型再预测相同的图片,就可以看到结果
92dk7w1h5#
看看我的
cnh2zyt36#
看看我的
我在提这个问题之前就看过你的issue,但是对我没有任何的帮助,依然存在这个问题
axkjgtzd7#
看看我的
我在提这个问题之前就看过你的issue,但是对我没有任何的帮助,依然存在这个问题
楼主问题解决了吗? 它inference模型前后处理一致吗?
j91ykkif8#
看看我的
我在提这个问题之前就看过你的issue,但是对我没有任何的帮助,依然存在这个问题
楼主问题解决了吗? 它inference模型前后处理一致吗?
我记得当时好像是没解决,基于命令行的估计是有点问题,不知道现在解决了没有
不过后来我用的是python的 wheel 包,也是巨多问题,比如只支持部分的检测算法
建议如果硬件条件够的话,还是自己训练个模型试试,比修正他的代码来的快