PaddleOCR
PaddleOCR copied to clipboard
PaddlePaddle
方向分类器在python上验证准确，然而转换为推理模型后，在cpp上部署，输出却有误
请提供下述完整信息以便快速定位问题/Please provide the following information to quickly locate the problem
- 系统环境/System Environment：
- 版本号/Version：Paddle： PaddleOCR： 问题相关组件/Related components：
- 运行指令/Command Code：
- 完整报错/Complete Error Message：
增加了90°和270°两个角度并对模型进行训练，在python上验证无误，可以输出90°和270°结果，但在cpp部署的官方样例程序上，该模型经过推理后的推理模型准确度却下降了，请问为什么方向分类器推理后在cpp上的准确度不如训练模型在python上的准确度呢？
先确保导出后的inference模型是否能正常进行python推理，看你的结果score貌似也很低
验证了一下，导出后的inference模型可以python推理，但是score和cpp部署的分数一样，请问问题是出在export_model.py上吗？ 我的导出模型参数为-c configs/cls/cls_mv3.yml -o Global.pretrained_model=./output/cls/mv3 Global.save_inference_dir=./output/cls/inferencemodel
Global.pretrained_model=./output/cls/mv3
这块应该要有个best_accuracy吧，应该是训练权重加载不对
这块应该要有个best_accuracy吧，应该是训练权重加载不对
这个是我修改后的参数设置： save_model_dir: ./output/cls/mv3/ pretrained_model: ./pretrainmodel/ch_ppocr_mobile_v2.0_cls_train/best_accuracy ./output/cls/inferencemodel 修改后，结果和Score还是没有改变，请问是参数设置错误吗，训练好的模型是由哪个参数读取的呢？
pretrained_model: ./pretrainmodel/ch_ppocr_mobile_v2.0_cls_train/best_accuracy
导出时要用你训好的模型，这里的pretrained_model写你训好的./output/cls/mv3/best_accuracy
导出时要用你训好的模型，这里的pretrained_model写你训好的./output/cls/mv3/best_accuracy
我是在pycharm的parameter里指定了完整命令为-c configs/cls/cls_mv3.yml -o Global.pretrained_model=./output/cls/mv3/latest Global.save_inference_dir=./output/cls/inferencemodel，配置文件cls_mv3.yml中的几个参数也是这样指定的，我训练好的模型命名就是latest
直接用命令行运行，指定好模型和配置文件就行
用命令行运行，结果还是如前，在infer_cls.py用配置文件参数验证图片，结果却是非常准确的，但同样配置不管是命令行还是配置文件，导出为inference再用predict_cls.py推理，就是准确度下降很多，部分结果还有错，请问是我这个操作过程不对吗，还是export_model.py这边有什么问题呀？
所以可能就是你导出模型的时候出错了
导出模型的错误已经解决，发现并非是导出模型错误了，而是验证导出模型的predict_cls.py的默认参数cls_label只有0,180两类，现修改后发现导出模型是没有问题的，但CPP上更新导出模型后，结果还是很有误，cls_Score依然很低，请问这个是什么情况呢？
可以debug看下输出，这块目前只支持2类的，还没适配4类的
https://github.com/PaddlePaddle/PaddleOCR/blob/8a3c7bc8a32b4a0d2ab8a1b0c6dfe1efb0c82ba0/deploy/cpp_infer/src/ocr_cls.cpp#L79-L92
我看到这边有cls_label的赋值，请问对这里进行修改的话可以实现四类的输出吗，需要怎么改呢？
这的label是根据模型输出的softmax值进行取最大概率值对应的label，如果模型输出类别是4的话，应该会得到0-3的类别值
这里确实可以取到4类的值
查阅了过往的issue，尝试更换模型，发现问题依旧，python端的结果和c++端结果完全不同，请问在C++端如何增加四类方向的适配呢，或者说在c++上和 类别的数量 有关的参数都有哪些呢？
这的label是根据模型输出的softmax值进行取最大概率值对应的label，如果模型输出类别是4的话，应该会得到0-3的类别值
c++端，0°和180°的结果都是对的，Score也很高，但一到90°和180°的情况，就会出错，Score很低
就是你修改为4分类的时候，预处理有改吗
没有修改。下载的官网的2分类的推理模型文件，相同的图片在python中与C++中结果也完全不一致。这个是哪里问题呢