创建

登录 ReadmeX

或

了解我们如何处理你的信息: 隐私政策

ReadmeX

陪你读懂 AI 动态

今天,想先了解什么?

选一份动态总结,或直接聊聊你的问题。

社区和关注动态总结只属于你自己。

资讯

用 hrt_model_exec 调试征程6M 上的 YOLOv5x

AI 总结

文章记录了在征程6M开发板上使用 hrt_model_exec 调试 yolov5x_640x640_nv12 模型的完整流程。作者将NV12输入张量、三路HBM原始输出和YOLO后处理分开检查,指出输入及输出数值正常并不代表最终检测框合理。在保持图片、HBM和NMS阈值不变时,将置信度阈值从0.25提高到0.90,检测目标从6个减少到1个。

深度见解

该方法可帮助开发者定位边缘AI检测异常究竟来自模型输出,还是类别映射、置信度过滤、NMS、缩放和坐标还原等后处理环节。

在 征程6M 上把 YOLOv5x 部署起来之后,比起推理性能,更容易遇到的是这样一个问题:

hrt_model_exec infer 已经正常结束,为什么最终检测框还是看起来“不对”? 很多时候,问题在于我们把三件不同的事混在了一起:

输入图片 → 实际送入 HBM 的张量 → HBM 原始输出 → YOLO 后处理 → 检测框

hrt_model_exec 很适合把前两段和中间的模型输出拿出来检查;检测框、类别名、置信度阈值和 NMS,则属于后处理链路。下面用 征程6M 上的 yolov5x_640x640_nv12.hbm 做一次完整拆分。

实验环境与输入

本次使用 征程6M 开发板,实际运行时日志显示:

#Journey 6M#hrt_model_exec#YOLOv5x#yolov5x_640x640_nv12#NV12#NMS

原文约 4 分钟读完阅读原文
群聊

还没有评论,来说说你的看法。