tensorrtx
tensorrtx copied to clipboard
Implementation of popular deep learning networks with TensorRT network definition API
最终目的是为了做遥感影像的变化检测(给定两张同一位置的不同拍摄日期的遥感图片,检测两张图片的变化)。网上找的其他做变化检测的基于深度学习的方法一般只有Python代码,而客户的项目需求是最终部署到C++平台,自己写不会写,能力有限,所以想到了使用Yolov8的语义分割做变化检测,就是把两个3通道的图像合并为6通道后,直接训练6通道的图像,当做语义分割问题。 测试数据下载自:[https://chenhao.in/LEVIR/, 然后又把里面的图片修改成了6通道的tif图像,标签文件也改成了Yolov8-seg的格式,把val和test上传到了百度网盘(链接: https://pan.baidu.com/s/1rpSGgNtX1II7bP7bG_PPnw?pwd=a35q),train文件夹太大了没上传,测试时可使用test文件夹代替。 参考:https://blog.csdn.net/Lizongming_/article/details/135652383 ,把Yolov8的源码修改为可训练和预测6通道的tif图像。 [修改前后的Yolov8代码.zip](https://github.com/user-attachments/files/17069185/Yolov8.zip) 可使用里面的TT-Train.py文件进行训练6通道的图像,使用TT-TestExport.py进行预测6通道的图像。  [修改前后的TensorRTX中的Yolov8部分代码.zip](https://github.com/user-attachments/files/17069191/TensorRTX.Yolov8.zip) 重点修改了preprocess.cu文件,推理时读取两张图片,再使用下图中选中的代码,在显存中合并到一起,很怀疑这里有问题。  遇到问题:使用Pt文件测试时,分割变化了的区域的准确率比较高,预计在90%左右,蓝色框是预测结果,白色的区域是GT中的变化区域。  test_21图像:  转engine模型后的使用engine文件测试时,分割变化了的区域的准确率很低,在2%左右,下图中红色的区域是预测的,白色的区域是GT中的变化区域。  _test_67图像: 
对比测试v8分类模型和vit分类模型 a.同样的推断工程 b.同样的转换方式pt-->onnx-->trtexec 转换为engine c.同样的测试集 结果: v8cls分类模型 a.原pt模型与engine推断结果相差无几 b.相同工程,在两个不同推断平台测试的两个engine,结果几乎没有任何差距。 vit分类模型 a. 有些类别推断结果相差很大存在20%的差距,但是有些类别差距只有6%左右。 b.相同工程,两个不同推断平台下,两个engine,推断出的结果也存在不小差距。 问题: 请问这是模型特征表达有问题(但是原pt模型分类结果都还挺高),还是推断的数据前处理有问题?有需要的话,可以给您发vit onnx模型文件.
I am recently running tsm and I find it layer seem to be different . in the tsm_r50.py create_engine function after the fc1 the num_outputs = OUTPUT_SIZE which is 400...
我看yolov5只能推理图片,不能推理视频
## Env - GPU, 3060. - OS, Win10. - Cuda version 12.4 - TensorRT version 10.3.0 ## Problem I only modified the parameters in the config file, and there were...
## Env - GPU RTX3090 - OS Ubuntu2204 - Cuda version 11.1 - TensorRT version:8.5.3.1 ## About this repo - model: yolov11-cls ## Your problem - 运行yolov11_cls.cpp和yolov11(ultralytics)在python版本下predict.py的运行结果存在不一致 **_yolov11_cls.cpp的运行结果_**: Yingwang_Xiaomi_ZK_NGls_20250612_MS_2-2_1_8_index_0_class_.jpg **smudge...
我要使用这个配置 "COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x.yaml",你例子是C4的,目前要FPN的,改config就可以了,里面的cpp和cu代码不用改吧?
PS D:\LDQ\Visual Studio File\TensorRT v12\tensorrtx-master-yolov12\tensorrtx-master-yolov12\yolov12\V12\Debug> ./yolo12_det -s yolov12n.wts yolov12n.engine n Loading weights: yolov12n.wts [05/27/2025-11:36:35] [E] [TRT] 3: (Unnamed Layer* 4) [Convolution]:kernel weights has count 2304 but 4608 was expected [05/27/2025-11:36:35]...
Gpu postprocessing for yolov11-pose.