训练模型和推理模型效果不一致

[simplew2011]

PaddleOCR-release-2.0
基于det_mv3_db.yml训练车牌检测模型。
使用训练完的模型直接测试，infer_det.py，效果很好。
然后使用export_model.py对best_accuracy模型进行转换为推理模型（基于训练时的配置表config.yml），得到inference模型，使用predict_det.py做预测。效果没有前者好，检测框不紧密。

使用官方的ch_ppocr_mobile_v2.0_det_train进行测试，以及转换后测试效果也不一致。

如下保证predict_det.py的效果和infer_det.py一致？

[LDOUBLEV]

可能是检测的后处理参数不一致的，调整下试试。训练的后处理参数是：

PaddleOCR/configs/det/ch_ppocr_v2.0/ch_det_mv3_db_v2.0.yml

Line 58 in fa32b9b

thresh: 0.3

预测的后处理参数是：

PaddleOCR/tools/infer/utility.py

Line 46 in fa32b9b

parser.add_argument("--det_db_thresh", type=float, default=0.3)

[simplew2011]

参数是一致的。
det_limit_side_len这个参数有无影响，改了640,736,960，似乎没啥变化

[simplew2011]

以前v1.1版本也有这种问题，v2.0又出现

[simplew2011]

左边是infer_det.py结果，右侧是predict_det.py结果，可以看到前者和目标框比较紧密，点集回归比较准。除了上诉参数，还有那些参数可能影响predict_det.py的结果呢？

[LDOUBLEV]

你的图像能否发我测试下

[simplew2011]

你的图像能否发我测试下

您有一份文件待查收！即刻点击链接获取文件：https://cowtransfer.com/s/312cd6298a6042 或进入 cowtransfer.com 获取，在首页输入取件码：195535（24小时内有效）

[simplew2011]

你的图像能否发我测试下

您有一份文件待查收！即刻点击链接获取文件：https://cowtransfer.com/s/312cd6298a6042 或进入 cowtransfer.com 获取，在首页输入取件码：195535（24小时内有效）

内含模型和图片

[LDOUBLEV]

找到问题了，是训练模型和预测模型的预处理不一致导致的，已经提了PR修复，可以按照PR的内容修改下代码，再试下

[simplew2011]

找到问题了，是训练模型和预测模型的预处理不一致导致的，已经提了PR修复，可以按照PR的内容修改下代码，再试下

问题确实出现在DB预处理，但按建议改
'DetResizeForTest': None的效果还是比infer_det.py差不少，此处改成'image_shape': [640, 640]的效果会接近infer_det.py，稍稍差一点点。

[simplew2011]

原图

[LDOUBLEV]

是预处理不一样，我看了一下你的config文件，应该是和预测的时候一些参数没对应上导致的，train model 在eval的时候


在tools/infer/predict_det.py预测的时候，先修改下tools/infer/predict_det.py line42 的参数如下，

然后预测的时候调整后处理参数和config文件里的超参数一致，

python3.7 tools/infer/predict_det.py --det_model_dir=./data/inference/    --image_dir=./car.png  --det_db_box_thresh=0.6 --det_db_unclip_ratio=1.5

这样得到的box是完全一样的

[LDOUBLEV]

infer/predict_det.py

 inference predict :[[[ 97. 528.]
  [271. 559.]
  [270. 624.]
  [ 95. 593.]]]

trained model results

train model predict : [[[ 97 528]
  [271 559]
  [270 624]
  [ 95 593]]]

[LDOUBLEV]

非常抱歉，后面会想办法统一下超参数，避免不必要的踩坑

[simplew2011]

非常抱歉，后面会想办法统一下超参数，避免不必要的踩坑

感谢。

[simplew2011]

非常抱歉，后面会想办法统一下超参数，避免不必要的踩坑

在训练时配置表，Eval.DetResizeForTest: image_shape: [736, 1280]可否和Train数据保持一致image_shape: [640, 640]，为什么要设置为[736, 1280]？

[LDOUBLEV]

不同数据集的shape不同，建议 Eval.DetResizeForTest: 不设置参数，就是默认为None，eval的时候会按照原图大小预测，你可以在训练的配置文件里把image_shape: [736, 1280] 注释掉

[lexiaoyuan]

类似的问题（已解决），在这里记录一下。
基于det_mv3_east.yml训练的检测模型，训练完成后使用 tools/infer_det.py测试效果很好，转推理模型后，用

python3 tools/infer/predict_det.py --image_dir="./doc/imgs_my_test/" --det_model_dir="inference/det_mv3_east"

做预测，完全没有效果。
修改为如下命令（指定了检测算法）后就有效果了：

python3 tools/infer/predict_det.py --image_dir="./doc/imgs_my_test/" --det_model_dir="inference/det_mv3_east" --det_algorithm="EAST"

[hungnv21292]

Hi All,
I had same issue with recognition module.
The detail of my issue in #2755
Could you please give me your suggestion.
Thank you so much.

[ddz-mark]

请问：自己训练的 文本识别 rec 模型，同一批测试集，inference模型与eval模型最后的准确率差距很大，为什么？

[yangy996]

不同数据集的shape不同，建议 Eval.DetResizeForTest: 不设置参数，就是默认为None，eval的时候会按照原图大小预测，你可以在训练的配置文件里把image_shape: [736, 1280] 注释掉

大佬，你好，在release/2.1分支上，这个结果不同的问题还是存在，predict_det.py的时候不加'image_shape': [960, 960]（随意指定），结果识别不出来；随意加个尺寸[960, 960]或者 [736, 1280] ，结果就能正常出来

[Dandelion111]

非常抱歉，后面会想办法统一下超参数，避免不必要的踩坑

请问大佬解决这个问题了吗？我也遇到了这个情况，自己训练的DBNet模型用官方python预测代码可以检测的很好，模型到处为推理模型之后，用cpp推理却检测不到？好奇怪

[Dandelion111]

PaddleOCR-release-2.0
基于det_mv3_db.yml训练车牌检测模型。
使用训练完的模型直接测试，infer_det.py，效果很好。
然后使用export_model.py对best_accuracy模型进行转换为推理模型（基于训练时的配置表config.yml），得到inference模型，使用predict_det.py做预测。效果没有前者好，检测框不紧密。

使用官方的ch_ppocr_mobile_v2.0_det_train进行测试，以及转换后测试效果也不一致。

如下保证predict_det.py的效果和infer_det.py一致？
请问大佬解决这个问题了吗？我也遇到了这个情况，自己训练的DBNet模型用官方python预测代码可以检测的很好，模型到处为推理模型之后，用cpp推理却检测不到？好奇怪

[yangy996]

2021/8/26，这个不一致问题还是存在，打包出来的模型效果比较差

[yangy996]

把这一行注释掉，结果就一样了...

[KrabbeJing]

把这一行注释掉，结果就一样了...

兄弟，感恩抱拳了

[yangy996]

是预处理不一样，我看了一下你的config文件，应该是和预测的时候一些参数没对应上导致的，train model 在eval的时候


在tools/infer/predict_det.py预测的时候，先修改下tools/infer/predict_det.py line42 的参数如下，

然后预测的时候调整后处理参数和config文件里的超参数一致，

python3.7 tools/infer/predict_det.py --det_model_dir=./data/inference/    --image_dir=./car.png  --det_db_box_thresh=0.6 --det_db_unclip_ratio=1.5

这样得到的box是完全一样的

按照你说的这些设置完成之后，还是检测不到，能给帮忙看看吗

你的代码不是最新的吧，切换成最新的代码吧

[yangy996]

把这一行注释掉，结果就一样了...

注释掉了，还是没有效果，崩溃

检测不到，还是导出的模型检测和训练的模型检测不一样？

[zhangyingying520]

是预处理不一样，我看了一下你的config文件，应该是和预测的时候一些参数没对应上导致的，train model 在eval的时候


在tools/infer/predict_det.py预测的时候，先修改下tools/infer/predict_det.py line42 的参数如下，

然后预测的时候调整后处理参数和config文件里的超参数一致，

python3.7 tools/infer/predict_det.py --det_model_dir=./data/inference/    --image_dir=./car.png  --det_db_box_thresh=0.6 --det_db_unclip_ratio=1.5

这样得到的box是完全一样的

按照你说的这些设置完成之后，还是检测不到，能给帮忙看看吗

你的代码不是最新的吧，切换成最新的代码吧

已经解决，是推理过程出了问题

[paddle-bot-old]

Since you haven't replied for more than 3 months, we have closed this issue/pr.
If the problem is not solved or there is a follow-up one, please reopen it at any time and we will continue to follow up.
It is recommended to pull and try the latest code first.
由于您超过三个月未回复，我们将关闭这个issue/pr。
若问题未解决或有后续问题，请随时重新打开（建议先拉取最新代码进行尝试），我们会继续跟进。

[HaoyuScut]

把这一行注释掉，结果就一样了...

就是这里！

[Double97828]

把这一行注释掉，结果就一样了...

就是这里！

我也是这里注释掉了就好了，什么原因呢？因为后面我想用python的那个库来加载我的推理模型，感觉出现了一样的问题，但是在这里我没有办法做注释了

[yangy996]

把这一行注释掉，结果就一样了...

就是这里！

我也是这里注释掉了就好了，什么原因呢？因为后面我想用python的那个库来加载我的推理模型，感觉出现了一样的问题，但是在这里我没有办法做注释了

https://blog.csdn.net/YY007H/article/details/125506785