用自己得模型做预测，结果多出好多误检

[yangmengace]

将自己的模型转为ncnn，inference结果多了好多误检

[hideinhat]

我也遇到了同样的问题，用自己的param和bin，结果比pytorch版的多了很多误检框，这些误检框置信度很高且数值很接近

[yangmengace]

我的问题刚刚已解决，是输出的blob name与anchor对应错误，{"output",32,{{116,90},{156,198},{373,326}}}, {"467",16,{{30,61},{62,45},{59,119}}}, {"486",8,{{10,13},{16,30},{33,23}}},被我写成了{"486",32,{{116,90},{156,198},{373,326}}}, {"467",16,{{30,61},{62,45},{59,119}}}, {"output",8,{{10,13},{16,30},{33,23}}},修改后可以正常检测

[hideinhat]

@yangmengace 你好，可以帮忙看下这样写对吗？

[yangmengace]

@yangmengace 你好，可以帮忙看下这样写对吗？

没毛病

[hideinhat]

还是有很多误检。。。不知道哪里出了问题。。 这是用我的模型threshold=0.30，nms_threshold=0.10的检测结果

[yangmengace]

还是有很多误检。。。不知道哪里出了问题。。 这是用我的模型threshold=0.30，nms_threshold=0.10的检测结果

float norm[3] = {1/255.f,1/255.f,1/255.f}; float mean[3] = {0,0,0}; in.substract_mean_normalize(mean,norm); 看一下你这一步均值和方差和原训练模型的是不是一致的，如果训练yolov5的时候没有改的话应该是以上设置，还有resize的尺寸与训练输入的尺寸 这些是我能想到的

[hideinhat]

@yangmengace 谢谢你的指点。均值和方差训练的时候应该是没有作修改的，请问一下，resize的尺寸是指导出onnx模型时的image-size吗？

[hideinhat]

@yangmengace 问题解决了。应该是训练输入的尺寸和resize的尺寸不一致的原因。谢谢你的解答！