训练时模型运行正常,导出kmodel文件部署到k230时置信度低并且标签显示一直为同一个。

Viewed 124

重现步骤
1.正常导出kmodel模型,
2.更改相应的kmodel路径,categories标签内容,num_class数量,将kmodel模型部署到k230。
3.运行程序开始识别

期待结果和实际结果期待结果:会根据识别物体的不同,而在屏幕中显示不同的物品标签以及置信度。
实际结果:无论识别什么物体,在屏幕上显示的标签始终是categories数组的第二个标签,并且置信度较低,与训练模型时实施效果不一致,打印置信度发现前两个置信度明显高于剩下标签的置信度
在K230上识别物体的结果:

以下是在训练模型时的检测结果(其中一个,其他图片也有很高的置信度):

categories的标签信息:
image.png
打印置信度结果:
ca10eeb777ecf39ab5109ae3eaa94ea.png
软硬件版本信息

错误日志

尝试解决过程我尝试使用了yolo大作战中yolo11水果分类“ 部署模型实现视频推理”的例程,识别物品的置信度大幅提升,但仍存在识别物品显示标签一直为categories第二个标签的问题
使用例程的检测结果:
618d96f862968d3444e6bd2afdeef86.png

补充材料

1 Answers

可能会受到k230摄像头的影响,视频流得到的图像和训练数据集的数据分布不同。你首先使用一张测试图片做推理试一下,看是否符合要求。至于YOLO效果变好,是因为模型不同,YOLO参数较多,模型也比较好,训练平台的分类模型是类似于mobilenet一样的模型,他们的大小是不一样的。

你好,我们遇到的问题是无论怎么改变识别的物体,永远是前两位置信度最高以及分类标签不发生变化的问题,并不是因为物品之间太相似而难以辨别,我们的问题是该怎么解决呢?

不用分类,用检测任务会好一些