我正在研究迁移学习 coco 训练的 yolov8 模型,以在完全不同的用例中检测对象。当我使用 ultralytics 库和内置函数从其 model.pt 文件重新加载经过训练的模型时,我得到了非常令人鼓舞的性能指标。
但是,我尝试将模型导出到 .onnx,但未能达到相同的指标。
yolo task=detect mode=export model=runs/detect/last.pt imgsz=720,1280 simplify=true format=onnx opset=12
上述方法都没有给我与使用 predict.py 和从原始 .pt 文件加载模型相同的结果。有没有人能够使用 .onnx 产生与他们使用 .pt 模型和 gpu 相同的结果?如果是的话,你能分享一下你是怎么做到的吗?
在这里面临同样的问题。使用 opset=12 或什至不使用它来导出它。使用 opencv onnx 模型时性能不佳。我要回到 yolov4.