[图像算法][RDK X5][yolov8-seg按照示例导出bin文件与案例不匹配问题]

开发与问题 Model Zoo
,
1

按照yolov8-seg的指导案例，rdk_model_zoo/demos/Seg/YOLOv8-Seg/README_cn.md at main · D-Robotics/rdk_model_zoo，导出结果与最后输出结果不一致

1190×564 0 Bytes

也参考了论坛帖子https://developer.d-robotics.cc/forumDetail/266442473063437635中wu chao的回复，chao在这个帖子中提到了要注意以下关系 你好，需要根据bin模型的10个输出头顺序，调转后处理代码里面的索引顺序：

以下为顺序的关系（注：不是下列顺序，而是关系）

s_bbox = (1, 80, 80, 64)
m_bbox = (1, 40, 40, 64) 
l_bbox = (1, 20, 20, 64)  

s_cls = (1, 80, 80, 类别数量) 
m_cls = (1, 40, 40, 类别数量) 
l_cls = (1, 20, 20, 类别数量) 

s_mcs = (1, 80, 80, 32) 
m_mcs = (1, 40, 40, 32) 
l_mcs = (1, 20, 20, 32) 
mask = (1, 160, 160, 32)

回溯整个转换过程，发现与案例不一致的地方，主要体现在用户转换的branch与案例版本不匹配问题：

1，之前yolov8-seg转案例失败的问题，官方给的回复一直都是严格按照教程案例，但是未提到git的branch，需要求助官方当时转模型使用的ultralytics官方版本当时对应的branch是哪个分支? 当时的main分支已经目前的main分支，按照download模型使用的v8.2.0分支wget https://github.com/ultralytics/assets/releases/download/v8.2.0/yolov8n-seg.pt，ultralytics切换成v8.2.0时，按照示例提供的“约第51行,Detect类的forward”，v8.2.0版本是44行，“约第180行，Segment类的forward函数替换成以下内容”，在v8.2.0中是115行，整体行数偏差较大。按照目前最新的main分支，“Detect类的forward是67行”，“Segment类的forward”是201行，整体函数内部变更与示例代码对不上

2，按照案例导出的结构，案例导出的output结构是这个

Graph output:     
output0:              shape=[1, 80, 80, 32], dtype=FLOAT32     
output1:              shape=[1, 40, 40, 32], dtype=FLOAT32     
371:                  shape=[1, 20, 20, 32], dtype=FLOAT32     
379:                  shape=[1, 80, 80, 64], dtype=FLOAT32     
387:                  shape=[1, 40, 40, 64], dtype=FLOAT32    
395:                  shape=[1, 20, 20, 64], dtype=FLOAT32     
403:                  shape=[1, 80, 80, 80], dtype=FLOAT32     
411:                  shape=[1, 40, 40, 80], dtype=FLOAT32     
419:                  shape=[1, 20, 20, 80], dtype=FLOAT32     
347:                  shape=[1, 160, 160, 32], dtype=FLOAT32

而根据v8.2.0的branch分支导出的结果是以下结果，要删除的371/387/395节点与v8.2.0的branch分支不符，实际需要与branch对应的结果才能复现示例结果，需要官方提供转换成功案例对应ultralytics对应的branch才能匹配上，看了官方几个案例的回复，一直告知用户严格按照示例教程，但是由于branch分支不对应问题，会导致导出的bin文件与实际并不相符

988×238 0 Bytes

Graph output:     
output0:              shape=[1, 80, 80, 64], dtype=FLOAT32     
output1:              shape=[1, 80, 80, 80], dtype=FLOAT32     
360:                  shape=[1, 80, 80, 32], dtype=FLOAT32     
368:                  shape=[1, 40, 40, 64], dtype=FLOAT32     
376:                  shape=[1, 40, 40, 80], dtype=FLOAT32     
384:                  shape=[1, 40, 40, 32], dtype=FLOAT32     
392:                  shape=[1, 20, 20, 64], dtype=FLOAT32     
400:                  shape=[1, 20, 20, 80], dtype=FLOAT32     
408:                  shape=[1, 20, 20, 32], dtype=FLOAT32     
419:                  shape=[1, 160, 160, 32], dtype=FLOAT32
RDK X5 的 YOLO26 范例为何仍使用 NMS？ （Post-processing / NMS-free）
2

README里面有写，调换cv2，cv3，cv4这几个算子的append顺序，从而调整ONNX输出头的顺序

3

README中的v11版本中提到，是指这个吧，也试了调整这个方式，结果还是不对

def forward(self, x): # RDK X5-
result = []-
for i in range(self.nl):-
result.append(self.cv3[i](x[i]).permute(0, 2, 3, 1).contiguous())-
result.append(self.cv2[i](x[i]).permute(0, 2, 3, 1).contiguous())-
result.append(self.cv4[i](x[i]).permute(0, 2, 3, 1).contiguous())-
result.append(self.proto(x[0]).permute(0, 2, 3, 1).contiguous())-
return result-

# 如果发现导出后的ONNX顺序不对，则可以通过调整每个self.cv*[i]的顺序来调整顺序。-
## 然后再重新导出onnx, 编译为bin模型-

def forward(self, x): # RDK X5-
result = []-
for i in range(self.nl):-
result.append(self.cv2[i](x[i]).permute(0, 2, 3, 1).contiguous())-
result.append(self.cv3[i](x[i]).permute(0, 2, 3, 1).contiguous())-
result.append(self.cv4[i](x[i]).permute(0, 2, 3, 1).contiguous())-
result.append(self.proto(x[0]).permute(0, 2, 3, 1).contiguous())-
return result

767×348 0 Bytes

不仅是顺序不对，节点名称、forward调整代码行数和案例都对不上，关键是当初案例的分支与目前的分支不一致，能提供案例的分支号信息吗，试了目前的v8.2.0与main分支都不对，当初实现案例的分支多少v8.2.5？v8.3.0?

4

你现在onnx顺序是没问题的，往后走去移除反量化节点就好了。和ultralytics版本无关

5

2005×725 0 Bytes

按照流程去除反量化节点，结果不对

6

2074×508 0 Bytes

左侧是自己导出，右侧是官方提供download正常的模型对比，节点名称与顺序均不一致，有几个问题：

1，导出名称与官方对不上是不是不用在意，这个属于正常现象；

2，尝试了README的不同调整序号方式，2种方式都试了，按照流程去除反量化节点，结果还是出错；

3，想了解下这个文档是自己亲自实验过实现完成的吗，按照其他工程师实现后对外宣传的，感觉有些细节还是没有到位；

7

你的commit不是最新，看YOLO11-Seg

8

目前尝试复现的是yolov8，yolov8导出结果与官方文档不一致，所以其实还是和git的分支相关？能提供官方导出yolov8成功对应的commit和branch信息吗

9

或者，你这边抽空能重新复现下yolov8的整体流程吗

10

不用我花时间，头的顺序搞好就行了。

11

请问您解决了吗

12

2479×1414 0 Bytes

我也想复现yolov8，也是遇到了和楼主一样的问题，请问我要哪个教程走？上面的11还是下面的v8？

13

目前推荐使用YOLO11

14

但是我的模型是yolov8s-seg，可以用yolo11吗？

15

官方的回复基本是照本宣科，一些细节回复人员自己没实现过
这个问题的后续是要调整python的顺序，按照官方流程，那个是跑不通的，需要自己做一些调整
另外，yolov8模型是没法运行yolov11的，整体框架网络结构和权重都需要重新调整的

1 个赞
16

您好，请问如何调整呢，而且现在我的模型结构图和model_zoo中的样例一致依旧无检测

07d98a6fb2b14499dcff58d4ebc6077c
07d98a6fb2b14499dcff58d4ebc6077c2042×827 68.2 KB

我的模型结构图
84090f56398684d3ffa3464a8616b27b
84090f56398684d3ffa3464a8616b27b3405×531 82.8 KB

17

调整python顺序是什么意思呢？