Ultra-Light-Fast-Generic-Face-Detector-1MB
Ultra-Light-Fast-Generic-Face-Detector-1MB copied to clipboard
使用pytorch训练出模型后转ONNX测试没问题,但是转成MNN后,精度严重下降
第一张:使用自己训练模型转ONNX,在转MNN,端侧结果 第二张:使用官方提供的MNN模型,在端侧结果 第三张:使用自己训练模型转ONNX,在服务端结果
通过对比第一张和第三张图片结果发现MNN模型结果和服务器上ONNX模型结果相差较大(预处理都是相同的,否则使用提供的MNN模型结果不会对),所以想问问作者是如何得到MNN模型的,我看了MNN文档中它不支持空洞卷积,作者是自己在MNN中定义了这个算子吗?期待作者的回复,非常感谢!
调一下nms
![]()
![]()
第一张:使用自己训练模型转ONNX,在转MNN,端侧结果 第二张:使用官方提供的MNN模型,在端侧结果 第三张:使用自己训练模型转ONNX,在服务端结果
通过对比第一张和第三张图片结果发现MNN模型结果和服务器上ONNX模型结果相差较大(预处理都是相同的,否则使用提供的MNN模型结果不会对),所以想问问作者是如何得到MNN模型的,我看了MNN文档中它不支持空洞卷积,作者是自己在MNN中定义了这个算子吗?期待作者的回复,非常感谢!
如果使用slim模型,建议你详细对比下作者repo中onnx推理部分和mnn推理部分的代码,然后修改下mnn推理部分。(我只对比slim模型,mnn可以得到和onnx推理结果一致的结果)