duan8/DBNet

DBNet

The Pytorch implementation is DBNet.

How to Run

win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 生成工程

  mkdir build
  cd build
  cmake ..
  make
  sudo ./dbnet -s             // serialize model to plan file i.e. 'DBNet.engine'
  sudo ./dbnet -d  ../samples // deserialize plan file and run inference, the images in samples will be processed.
  

windows版本

https://github.com/BaofengZan/DBNet-TensorRT

不足之处

• 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。