yangjun dfa27afb39 提交PaddleDetection develop 分支 d56cf3f7c294a7138013dac21f87da4ea6bee829 1 năm trước cách đây
..
imgs dfa27afb39 提交PaddleDetection develop 分支 d56cf3f7c294a7138013dac21f87da4ea6bee829 1 năm trước cách đây
README.md dfa27afb39 提交PaddleDetection develop 分支 d56cf3f7c294a7138013dac21f87da4ea6bee829 1 năm trước cách đây
coco_label.txt dfa27afb39 提交PaddleDetection develop 分支 d56cf3f7c294a7138013dac21f87da4ea6bee829 1 năm trước cách đây
infer_demo.py dfa27afb39 提交PaddleDetection develop 分支 d56cf3f7c294a7138013dac21f87da4ea6bee829 1 năm trước cách đây

README.md

PicoDet ONNX Runtime Demo

本文件夹提供利用ONNX Runtime进行 PicoDet 部署与Inference images 的 Demo。

安装 ONNX Runtime

本demo采用的是 ONNX Runtime 1.10.0,可直接运行如下指令安装:

pip install onnxruntime

详细安装步骤,可参考 Install ONNX Runtime

Inference images

  • 准备测试模型:根据PicoDet中【导出及转换模型】步骤,采用包含后处理的方式导出模型(-o export.benchmark=False ),并生成待测试模型简化后的onnx模型(可在下文链接中直接下载)。同时在本目录下新建onnx_file文件夹,将导出的onnx模型放在该目录下。

  • 准备测试所用图片:将待测试图片放在./imgs文件夹下,本demo已提供了两张测试图片。

  • 在本目录下直接运行:

    python infer_demo.py --modelpath ./onnx_file/picodet_s_320_lcnet_postprocessed.onnx
    

    将会对./imgs文件夹下所有图片进行识别,并将识别结果保存在./results文件夹下。

  • 结果:

模型下载

模型 输入尺寸 ONNX( w/ 后处理)
PicoDet-XS 320*320 model
PicoDet-XS 416*416 model
PicoDet-S 320*320 model
PicoDet-S 416*416 model
PicoDet-M 320*320 model
PicoDet-M 416*416 model
PicoDet-L 320*320 model
PicoDet-L 416*416 model
PicoDet-L 640*640 model