关于Yolov5分类结果不正确的问题

[koalerhi]

各位大佬，我在wos上下了一个snpe2.20，跑了一个yolov5l的目标检测模型（用的是这个预训练https://github.com/ultralytics/yolov5/releases/download/v7.0/yolov5l.pt）。我导出的onnx可以正确识别，但是转成dlc后我发现，从output0里读出的xywh和bbox的confidence是正常的，但是所有类别的confidence都很小，几乎就是0，即使是在cpu上执行也是这样，这个是哪里有什么问题吗

[weixin_38498942]

如果您使用的是原版模型而没有经过任何裁剪，这种方式一般来说是不被推荐的。对于YoloV5而言，通过archers还原bbox的后处理部分一般来说是不做进模型中的，而是在sdk中实现，这里可以参考https://github.com/gesanqiu/SNPE_Tutorial 中的实现，仓库里doc目录中有文档描述如何实现。另一种调试思路，您可以逐层排查精度是在哪里掉光的。您可以在build snpe task的时候调用Snpe_SNPEBuilder_SetOutputLayers接口，指定中间层的layer名称，并把该层的输出保存，检查范围是否符合预期。您应该重点关注用红框框出来的三个layer，以/model.24/Transpose_2为例，如果您发现从Transpose的output tensor的data[:][:][:][:][5:]（85即4+1+80，[5:]即所有类别的confidence）有大于0（sigmoid(0)即0.5，习惯上以0.5为界限）的值，那您应该继续向下排查剩余的层或使用上面提到的方案，否则您应该检查模型转换是不是出了什么问题，例如对比dlc和onnx在某一层的参数是否一致。