华为计算微信公众号
昇腾AI开发者公众号
华为计算微博
华为计算今日头条
编译报错显示modelInputShape错误，打印出来的是（1,3,640,640）
# coding=utf-8 import cv2 # 图片处理三方库，用于对图片进行前后处理 import numpy as np # 用于对多维数组进行计算 import torch # 深度学习运算框架，此处主要用来处理数据 from mindx.sdk import Tensor # mxVision 中的 Tensor 数据结构 from mindx.sdk import base # mxVision 推理接口 from det_utils import get_labels_from_txt, letterbox, scale_coords, nms, draw_bbox # 模型前后处理相关函数 # 初始化资源和变量 base.mx_init() # 初始化 mxVision 资源 DEVICE_ID = 0 # 设备id model_path = 'model/yolov7x.om' # 模型路径 image_path = 'world_cup.jpg' # 测试图片路径 # 数据前处理 img_bgr = cv2.imread(image_path, cv2.IMREAD_COLOR) # 读入图片 img, scale_ratio, pad_size = letterbox(img_bgr, new_shape=[640, 640]) # 对图像进行缩放与填充，保持长宽比 img = img[:, :, ::-1].transpose(2, 0, 1) # BGR to RGB, HWC to CHW img = np.expand_dims(img, 0).astype(np.uint8) # 将形状转换为 channel first (1, 3, 640, 640)，即扩展第一维为 batchsize img = np.ascontiguousarray(img)#/255.0 # 转换为内存连续存储的数组 print(img.dtype) print(img.shape) img = Tensor(img) # 将numpy转为转为Tensor类 # 模型推理, 得到模型输出 model = base.model(modelPath=model_path, deviceId=DEVICE_ID) # 初始化 base.model 类 output = model.infer([img])[0] # 执行推理。输入数据类型：List[base.Tensor]， 返回模型推理输出的 List[base.Tensor] # 后处理 output.to_host() # 将 Tensor 数据转移到内存 output = np.array(output) # 将数据转为 numpy array 类型 boxout = nms(torch.tensor(output), conf_thres=0.4, iou_thres=0.5) # 利用非极大值抑制处理模型输出，conf_thres 为置信度阈值，iou_thres 为iou阈值 pred_all = boxout[0].numpy() # 转换为numpy数组 scale_coords([640, 640], pred_all[:, :4], img_bgr.shape, ratio_pad=(scale_ratio, pad_size)) # 将推理结果缩放到原始图片大小 labels_dict = get_labels_from_txt('./coco_names.txt') # 得到类别信息，返回序号与类别对应的字典 img_dw = draw_bbox(pred_all, img_bgr, (0, 255, 0), 2, labels_dict) # 画出检测框、类别、概率 # 保存图片到文件 cv2.imwrite('2.png', img_dw) cv2.imshow('2.png',img_dw) cv2.waitKey(0) cv2.destroyAllWindows() print('save infer result success')
我要发帖子
点赞
收藏
回复
分享
举报
已解决 已解决
# coding=utf-8 import cv2 # 图片处理三方库，用于对图片进行前后处理 import numpy as np # 用于对多维数组进行计算 import torch # 深度学习运算框架，此处主要用来处理数据 from mindx.sdk import Tensor # mxVision 中的 Tensor 数据结构 from mindx.sdk import base # mxVision 推理接口 from det_utils import get_labels_from_txt, letterbox, scale_coords, nms, draw_bbox # 模型前后处理相关函数 # 初始化资源和变量 base.mx_init() # 初始化 mxVision 资源 DEVICE_ID = 0 # 设备id model_path = 'model/yolov7x.om' # 模型路径 image_path = 'world_cup.jpg' # 测试图片路径 # 数据前处理 img_bgr = cv2.imread(image_path, cv2.IMREAD_COLOR) # 读入图片 img, scale_ratio, pad_size = letterbox(img_bgr, new_shape=[640, 640]) # 对图像进行缩放与填充，保持长宽比 img = img[:, :, ::-1].transpose(2, 0, 1) # BGR to RGB, HWC to CHW img = np.expand_dims(img, 0).astype(np.uint8) # 将形状转换为 channel first (1, 3, 640, 640)，即扩展第一维为 batchsize img = np.ascontiguousarray(img)#/255.0 # 转换为内存连续存储的数组 print(img.dtype) print(img.shape) img = Tensor(img) # 将numpy转为转为Tensor类 # 模型推理, 得到模型输出 model = base.model(modelPath=model_path, deviceId=DEVICE_ID) # 初始化 base.model 类 output = model.infer([img])[0] # 执行推理。输入数据类型：List[base.Tensor]， 返回模型推理输出的 List[base.Tensor] # 后处理 output.to_host() # 将 Tensor 数据转移到内存 output = np.array(output) # 将数据转为 numpy array 类型 boxout = nms(torch.tensor(output), conf_thres=0.4, iou_thres=0.5) # 利用非极大值抑制处理模型输出，conf_thres 为置信度阈值，iou_thres 为iou阈值 pred_all = boxout[0].numpy() # 转换为numpy数组 scale_coords([640, 640], pred_all[:, :4], img_bgr.shape, ratio_pad=(scale_ratio, pad_size)) # 将推理结果缩放到原始图片大小 labels_dict = get_labels_from_txt('./coco_names.txt') # 得到类别信息，返回序号与类别对应的字典 img_dw = draw_bbox(pred_all, img_bgr, (0, 255, 0), 2, labels_dict) # 画出检测框、类别、概率 # 保存图片到文件 cv2.imwrite('2.png', img_dw) cv2.imshow('2.png',img_dw) cv2.waitKey(0) cv2.destroyAllWindows() print('save infer result success')