Skip to content

Latest commit

 

History

History
41 lines (33 loc) · 2.86 KB

config_file.md

File metadata and controls

41 lines (33 loc) · 2.86 KB
Raw

配置文件说明

注意，配置文件中的节点，代码中会进行判断是否存在，如果不存在，则不会更新对应的信息。

节点说明

通用节点

MODEL_TYPE 模型类型：可以是整形数字或字符串，设置值对应见枚举 SAMPLE_RUN_JOINT_MODEL_TYPE，具体映射关系可以看代码中定义的 std::map<std::string, int> ModelTypeTable

MODEL_PATH 模型路径：如果用户在运行时使用了 -m 以指定模型路径，则后被指定的模型路径会覆盖前设置的模型路径。如果是二级模型的配置文件，则配置文件中，第一层的 MODEL_PATH 会被第二层的 MODEL_PATH 覆盖。如下所示

{
    "MODEL_TYPE": "MT_MLM_HUMAN_POSE",
    "SAMPLE_IVPS_ALGO_WIDTH": 960,
    "SAMPLE_IVPS_ALGO_HEIGHT": 540,
    "MODEL_PATH": "/root/test/install/bin/yolov5s.joint", //第一层节点
    "MODEL_MINOR": {
        "CLASS_ID": [
            0
        ],
        "MODEL_PATH": "/root/test/install/bin/hrnet_256x192.joint"
    },
    "MODEL_MAJOR": {
        "MODEL_TYPE": "MT_DET_YOLOV5",
        "MODEL_PATH": "/root/test/install/bin/yolov5s.joint",  //第二层节点，会覆盖第一层的 MODEL_PATH
        "ANCHORS": [

二级模型节点

SAMPLE_IVPS_ALGO_WIDTH SAMPLE_IVPS_ALGO_HEIGHT ：二级模型需要设置的值，用作设置输入到算法的图像大小，单独设置分辨率是为了能够有分辨率足够大的图片进行裁切图像，以进行第二级的模型推理。如果是一级模型，则直接通过管道直接输出模型对应大小的图像。

MODEL_MAJOR：二级模型中的第一级模型，一般是检测模型，例如 hrnet_pose.json 中，此节点跟 yolov5s.json 内容是几乎一样的。

MODEL_MINOR：二级模型中的第二级模型，设置一些第二级模型需要的参数。比如现在命令行参数中去设置第二级模型的路径非常不优雅，所以 hrnet_pose.json 中，此节点设置了第二级模型的路径。

CLASS_ID：当一级模型为多类别检测时，可以通过这个节点来设置类别，以过滤不需要的其他类别，定义为数组时考虑到可能会有多任务的情况。

检测模型节点

ANCHORS：常见于基于锚点的目标检测，如果是 free-anchor 的模型，则可以不设置，例如 yolox.json

CLASS_NUM：检测的类别，一些目标检测的模型需要此参数进行后处理。

CLASS_NAMES：数量必须等于CLASS_NUM

NMS_THRESHOLD PROB_THRESHOLD：略