验证onnx格式的yolox

最新推荐文章于 2024-11-19 10:03:24 发布

原创

最新推荐文章于 2024-11-19 10:03:24 发布 · 330 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#yolox #onnx

转onnx时decode_in_inference是False，所以需要decode_outputs函数
需要注意的是，yolox的Exp中input_size和test_size是先高后宽，即(h,w)

import onnxruntime   
import cv2, sys, torch, torchvision
import numpy as np

cls_num=3
conf_th=0.35
nms_th=0.45
model_w=640
model_h=352
ow=model_w/32
oh=model_h/32

def decode_outputs(outputs):
        grids = []
        strides = []
        dtype=outputs.type()
        for (hsize, wsize), stride in zip([(oh*4,ow*4),(oh*2,ow*2),(oh,ow)], [8, 16, 32]):
            yv, xv = torch.meshgrid([torch.arange(hsize), torch.arange(wsize)])
            grid = torch.stack((xv, yv), 2).view(1, -1, 2)
            grids.append(grid)
            shape = grid.shape[:2]
            strides.append(torch.full((*shape, 1), stride))

        grids =