【官方答疑收集第一期】PaddleDetection需求问题收集帖
收藏
【PaddleDetection官方答疑】
为了给各位开发者更好的产品体验，PaddleDetection官方将定期收集大家的使用问题及需求，并在官方用户群中组织答疑讲解！
问题内容可包括但不限于：新功能需求、使用反馈、想了解的知识、使用上的问题
请大家按照以下格式进行提问：
标题：问题类型+问题描述
内容：详细描述/截图，包括但不限于需求对应的应用场景、性能指标、部署硬件 或 使用过程中的具体运行命令及报错截图
例1：【新需求】打架识别功能
小区中的打架识别，拍摄角度为安防俯拍xx角度，需要精度>90%，速度>20FPS，部署硬件为NV Jetson，当前应用PaddleDetection中的关键点能力出现遮挡严重无法识别的问题，需要一套针对打架的动作识别方案。
姓名+企业+电话号码（可选，方便技术人员定向联系您）
例2：【使用反馈】摔倒检测效果不佳
在应用PP-Human中的摔倒检测功能时，以下情况效果不好：
① 扶梯上摔倒检测不出
配图
② 人流密集时会误检摔倒
配图
姓名+企业+电话号码（可选，方便技术人员定向联系您）
我们鼓励大家将使用报错问题在GitHub上进行提问，GitHub的issue是有每日值班答复制，能更快的解决您的问题，希望在这个答疑帖子下能收集大家使用的反馈与需求！
PaddleDetection项目：https://github.com/PaddlePaddle/PaddleDetection
欢迎大家添加小助手回复“检测”加入PaddleDetection用户群，时刻关注答疑直播动态~
飞桨_PaddleGAN
已解决
15#
回复于2022-05
已收到大家以上的所有问题，我们预计在下周四（5.19日）举行微信群内线上闭门在线答疑！ 将由我们PaddleDetection的一线研发人员亲自答疑，截止5.19日大家可以继续在此帖下进行回复您的问题~ 添加小助手回复“检测”即可入群： [图片]
0
收藏
量化时，将自动将relu系列激活函数融合到conv里！！！
如何自定义剪枝量化联合策略（ppdet结合ppslim）、如何计算ppdet导出模型的卷积层敏感度
PaddleDetection文档中所提及的大部分示例都无法正常使用.
请提供对应的文档示例链接，以及您的报错信息
针对工业场景中逐步增加的数据量，pp是否有增量学习的调优方案，以避免在数据量增加后性能不升反降，模型灾难性遗忘的问题。
请问如何同时进行剪裁与量化训练
https://aistudio.baidu.com/aistudio/projectdetail/1463208
宋代诗人念诗的秘密--PaddleGAN实现精准唇形合成
!export PYTHONPATH=$PYTHONPATH:/home/aistudio/work/PaddleGAN && python tools/wav2lip.py --face /home/aistudio/work/1.jpeg --audio /home/aistudio/work/2.m4a --outfile /home/aistudio/work/pp_put.mp4
报错:
ImportError: cannot import name 'spectral_norm' from 'paddle.nn.utils' (/opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages/paddle/nn/utils/__init__.py)
PaddleGAN实现表情动作迁移--当苏大强唱起
这个也不能用, 第一行下载就报错. 错误提交不上来,
PPhuman过了一遍官方的教程, 请问自己录制的mp4文件在利用deploy/python/det_keypoint_unite_infer.py获得关键点后, 如何标记label, 又如何添加和修改class_id呢, 而且prepare_dataset.py只能生产train_data.npy和train_label.pkl文件, val_dataset.py和val_train.pkl该如何生成呢?
请问下 我训练ppyoloe的时候，loss是越训练越高 这种情况 是数据集的问题吗？
python tools/export_model.py 运行会报错
UnboundLocalError: local variable 'input_spec' referenced before assignment
麻烦解决一下，在AIstudio上试了也是一样的报错结果
Traceback (most recent call last):
File "tools/export_model.py", line 160, in
main()
File "tools/export_model.py", line 152, in main
input_spec = get_input_spec(cfg.INFERENCE, model_name)
File "tools/export_model.py", line 131, in get_input_spec
return input_spec
UnboundLocalError: local variable 'input_spec' referenced before assignment
请问pphuman用导出的模型18个点（不是官方17个点）去预测时，报错，导出模型设置的window_size是50.预测的视频是6秒：
InvalidArgumentError: The 'shape' attribute in ReshapeOp is invalid. The input tensor X'size must be divisible by known capacity of 'shape'. But
received X's shape = [1, 1, 17, 2, 50], X's size = 1700, 'shape' is [-1, 36, 50], known capacity of 'shape' is -1800.
[Hint: Expected output_shape[unk_dim_idx] * capacity == -in_size, but received output_shape[unk_dim_idx] * capacity:0 != -in_size:-1700.] (at .
.\paddle/fluid/operators/reshape_op.cc:210)
[operator < reshape2 > error]
为什么官方的window_size是50，预测视频6秒就可以输出行为类别呢？
如果是说训练时的window_size要一致的话，那我也有尝试，训练时是350，导出模型也设置350，推理的max_frame也是350，但是推理视频6秒是没有输出结果的，如果是因为没有达到350帧的话，我后面又用了20秒的视频去预测，报错也同上面一样。但是官方即使设置了window_size是50，预测10秒的视频也是可以的。请问问题是在哪里？
自己训练的18点模型top1精度是87，不应该出现识别不出来的情况
已收到大家以上的所有问题，我们预计在下周四（5.19日）举行微信群内线上闭门在线答疑！
将由我们PaddleDetection的一线研发人员亲自答疑，截止5.19日大家可以继续在此帖下进行回复您的问题~
添加小助手回复“检测”即可入群：
paddledetection训练的模型导出inference model后，在做推理部署的时候，前后处理相关代码如何编写，有什么参考教程吗？
目前已知的参考如下：
1、通过netron查看模型的输入输出
2、查看deploy /cpp /src目录下的示例代码，查看前后出来preprocess和postproceess相关代码
3、paddledetection2.4版本后，runtime.yml有export的post_process和nms的配置，可以直接把后处理放到训练的模型网络中
想请教的问题如下：
1、paddledetection那么多的网络模型，示例代码中就那几个示例，是否覆盖了所有的网络模型？
2、能否写的readme描述一下，deploy中的示例某个前后处理适合哪些模型？比如object_detector.cc是针对yolo系列的示例代码？？？
最想官方讲解的问题：
1、讲讲在推理部署时，如果通过netron查看某个模型的输入输出，然后针对输入输出编写前后处理的代码？
2、runtime.yml已配置把后处理集成到网络中，那么这种模型的后处理还需要写吗？有没有相应的demo
关于paddledetection训练的模型出现的如下问题优化思路
1、在做预测时发现预测框特别多，有的框的置信度甚至低于0.1，请问如果将这种框过滤掉？（是可以通过提高threshold参数进行过滤）我的意思是训练模型时就把这些极地置信度的预测结果过滤掉，避免在推理部署时，做不必要的计算，从而影响推理速度。之前有朋友说可以修改nms的设置，能讲讲为什么吗？
2、在做预测时发现误识别目标，比如我要识别手机，结果在预测时，出现有的预测框中明明没有手机，但是框的置信度还挺高，甚至超过了有手机的预测框置信度，针对这种情况，问题分析和模型优化的思路有哪些？
3、在做预测时发现识别目标时，明明是一个手机，结果出现多个框，而且每个框的置信度都差不多，这种情况如果让他只出现一个置信度最高的框？又回到nms配置了吗？
AIStudio 平台 安装了 pycocotools 之后，依旧是import 不了，我运行的是这个———PP-Tracking之手把手玩转多目标跟踪
具体是什么模型呢？运行命令和报错可以完整提供么？
关于paddledetection训练的picodet模型量化训练：
1、使用的量化训练脚本如下：
!python tools/train.py \-c configs/picodet/picodet_m_416_coco_lcnet.yml \--slim_config configs/slim/quant/picodet_s_416_lcnet_quant.yml \-o weights=output/picodet_s_quant/model_final2、出现的问题时，未量化之前，能正常识别目标，量化之后，模型文件比之前还大一点，原来能识别出来目标的测试集，大部分都不能识别了，量化训练的轮数和原模型训练的轮数一样，都是250轮，请问，做量化训练时，需要配置什么？针对我这个量化结果，有什么优化策略或解决方案？
【使用反馈】摔倒检测的部署加速和预测效果
1、在部署pp-human到本地的windows端时预测效果并不理想，使用的模型是官方提供的预训练模型（按照文档里写的好像预训练的效果还不错）想知道是否预测效果是否会受到设备和视频分辨率等的影响，还需要自己再去训练吗。
2、在windows10下使用tensorrt加速，转换后的模型会存放在哪，以及能否提供较为详细的关于tensorrt加速的用法，因为自己在使用过程中还是遇到许多的麻烦。
【使用反馈】摔倒检测部署在本地后使用tensorrt加速
环境：os win10 paddlepaddle=2.2.1（带tensorrt） CUDA=10.2 cudnn=7.6.5 tensorrt=7.0 各个版本之间是对应的
这是没开启tensorrt加速的
开启tensorrt之后
加速之后感觉没有快很多，而且每一次又得重新转换模型，又要很久
另外除了tensorrt加速之外有没有其他加速方法，比如更换其中的一些模型之类的