导出ONNX后如何进行后处理？

[youxin1996]

1.使用分支为mian，训练的cfg为training/yolov7.yaml改的，尺寸为默认的640x640 2.训练完毕后得到best.pt，使用detect.py，可以正常推理 3.使用export.py导出后，得到onnx，也可以正常输入图片，得到推理结果。

大概能理解outpu里就是各个stride尺度下的原始框框，我的class数量为4，所以一条结果就是：[cx,cy,w,h,conf]+[conf1,conf2,conf3,conf4]一共9个小数。但是后续不会了，疑问如下：

1.输出的第一个flaot32：[1,3,80,80,9]，指的是8x8下一共80x80个框，但是为什么会有3组80x80的数据呢？是代表着RGB三个通道上的分别可能吗？ 2.output里面有负数，举个例子：80x80下其中一条数据为[ 0.98 0.29 0.15 -0.57 -2.63 -1.37 0.12 -2.40 -1.72]，按yolo的输出格式来看的话，宽度为-364？

恳请哪位大哥解答一下疑惑，如果可以给段伪码介绍下流程就更好啦

[23119841]

1. inference demo: https://github.com/hpc203/yolov7-opencv-onnxrun-cpp-py/blob/main/onnxruntime/main.cpp
2. batch inference see this: https://github.com/WongKinYiu/yolov7/blob/main/tools/YOLOv7-Dynamic-Batch-ONNXRUNTIME.ipynb

[MrWwei]

@youxin1996 你的问题解决了吗？我最近也做了同样的工作，opencv dnn推理的，可以加qq 1196626201交流

[youxin1996]

@youxin1996 你的问题解决了吗？我最近也做了同样的工作，opencv dnn推理的，可以加qq 1196626201交流

主要是对于yolo系列的原理不太了解，照着yolov5学习了一遍就理解了。模型已经在PC上基于ONNX_CPU跑起来了，效果还不错，转成RKNN在NPU上也跑通了

[Uhao-P]

为什么我在npu上输出的结果不对，请问你是怎么转换成功并进行推理的？