note: 原始版本 DBNet.pytorch
请参考原始版本的Readme
1.下载代码训练的模型地址：渣云：访问密码 myj4 ，将模型放到onnx-xml文件夹 (仅供演示，该模型未训练完全) 2.执行 predict_openvino.sh
- 不包含预处理和后处理时间（不同的CPU推理时间会存在差异）
| time(ms) | pytorch | onnxrt | openvino |
|---|---|---|---|
| inference | 400ms | 278ms | 150ms |
本repo为了可以使用tensorRT加速，将反卷积操作全部改为upsample。比如
# 原始版本
nn.ConvTranspose2d(in_channels // 4, in_channels // 4, 2, 2), # 上采样两倍
# 修改版本
nn.Upsample(scale_factor=2, mode='nearest'),更多的修改，请看代码：
models/head/DBHead.py
models/model.py
models/neck/FPN.py
修改后代码训练的模型地址：渣云：访问密码 myj4
目前没有训练完成，相比原版模型（1200epoch），只训练了500epoch。精度：90.0 召回率：68.2。
可以自己去训练。