The Pytorch implementation is DBNet.
本仓库提供的CmakeLists.txt为win版本。Linux版本请看最后的链接。
-
1 生成wts 从pytoch仓库下载到代码和模型。配置好环境后
在tools/predict.py中，将save_wts属性置为True，运行后，就在在tools文件夹下生成wts文件。
同时也可以导出onnx。将onnx属性设置为True即可。
-
2 cmake 生成VS工程，然后编译，运行。main函数中传入不同的参数，有不同的作用。 -s为生成engin文件。 -d imgpath 代表运行前向。
https://github.com/wang-xinyu/tensorrtx
1 common文件中，下面两个函数可以合并，自己偷了个懒。
ILayer* convBnLeaky(INetworkDefinition *network, std::map<std::string, Weights>& weightMap, ITensor& input, int outch, int ksize, int s, int g, std::string lname, bool bias = true) ILayer* convBnLeaky2(INetworkDefinition *network, std::map<std::string, Weights>& weightMap, ITensor& input, int outch, int ksize, int s, int g, std::string lname, bool bias = true)- 2 后处理中与pytorch版本也有好多不同之处，这都是可以改进提升的。
- 3
在pyorch中数据预处理是将图像短边resize到1024，长边按比例缩放，最后将新的宽高截到32的倍数。而在自己的repo中直接将图像resize到640*640，较为粗暴。