实践教程｜无需nms，onnxruntime20行代码玩转RT-DETR

今日应用

LiblibAI·哩布哩布AI

创新AI模型社区 - 发现最新、最热原创模型，10万+免费下载，欢迎创作者加入，共同探索AI绘画的创新之路！

今日话题

实践教程｜无需nms，onnxruntime20行代码玩转RT-DETR

 

重点标签 RT-DETR目标检测器、onnx格式、onnxruntime、简易部署、后处理步骤

文章摘要

极市导读：本文介绍了RT-DETR目标检测器的两种onnx格式和使用onnxruntime进行简易部署的方法，无需进行NMS操作。

前言：RT-DETR是百度推出的DETR-like目标检测器，由HGNetv2、混合编码器和Transformer编码器组成。本文将展示如何使用onnxruntime进行20行代码的简易部署。

一、原生onnx+ort推理方式：
1. 使用命令导出模型配置和参数文件。
2. 将模型转换为onnx格式，并进行可视化，可以看到除了图像输入外，还有im_shape和scale_factor两个输入头。
3. 对模型进行简化，固定batch_size为1，去除不需要的算子。
4. 使用简化后的onnx模型进行推理，包括图像预处理、模型推理和后处理。

二、野生onnx+ort推理方式：
1. 官方onnx模型已包含后处理步骤，无需额外添加后处理代码。
2. 将后处理操作全部摘除，只保留原模型参数，使用相同的代码进行转化。
3. 使用转化后的onnx文件进行推理，包括图像预处理、模型推理和后处理。

结尾：本文介绍了RT-DETR两种风格的onnx格式和推理方式，精度无差别，可根据个人喜好选择使用。下一期将介绍CNN-like代表YOLOv8和DETR-like代表RT-DETR在C++部署上的性能差异。同时提供了本文使用的两个onnx模型的下载链接。

参考链接：
– [PaddleDetection项目地址](https://github.com/PaddlePaddle/PaddleDetection/tree/develop/configs/rtdetr)
– [AI Studio项目详情](https://aistudio.baidu.com/aistudio/projectdetail/6000200?channelType=0&channel=0)
– [知乎专栏文章](https://zhuanlan.zhihu.com/p/622940435)

技术专栏：提供了多模态大模型、Transformer系列、ICCV2023论文解读等专栏。

极视角动态：欢迎高校师生申报极视角2023年教育部产学合作协同育人项目，以及无人机+AI在道路智能巡检中的应用。

技术综述：详细介绍了Neural ODE和Transformer的相关知识。

点击阅读原文进入CV社区，收获更多技术干货。

文章来源

原文地址: 点我阅读全文
原文作者: 极市平台