안녕하세요 현재 Enlight 0.9.9.1_24_NIPA를 사용 중이고, CULane으로 UFLD모델을 학습하고 ONNX 파일로 변환하여 지원되지 않는 레이어 제거 후 컴파일까지 완료하여 모델을 배포한 상태입니다.
rtpm으로 확인 시 차선인식이 안되어서 netron으로 모델을 확인해보니 output에 후처리와 관련 기능이 빠져있는 상태입니다.
모델은 해당 명령어로 컨버팅 진행하였습니다. python ./EnlightSDK/converter.py UFLD.onnx --type lanedet --logistic softmax --dataset Custom --dataset-root my_dataset_path --output ./output_networks/UFLD.enlight --enable-track --num-class 4 --force-output
Conv2d_20__Conv_46
lanedet을 type으로 선택 시에도 lane 후 처리 앵커파일을 추가 해야하는지 궁금합니다. 또한 dateset을 culane으로 선택하고 dataset 경로를 지정하면 데이터셋의 존재 여부를 확인하라고 에러가 발생하여 문의 드립니다.
감사합니다.
안녕하세요.
해당 문의에 답변 드립니다.
후처리 관련 기능을 제거하고 컴파일을 완료하신 것 같습니다.
후처리 관련 기능은 기능은 custom_postproc.c에서 구현하셔야 합니다.
감사합니다.
안녕하세요 현재 여러가지 시도를 해보고 있는데 차선인식이 잘 되지 않아 재질문 드립니다.
현재 진행 상황은 다음과 같습니다.
- ufld v1 모델 학습 후 onnx 모델 변환
- reshape layer로 인해 컨버팅이후 과정이 진행 되지않아 해당 layer 제거 후 컨버팅, 양자화, 컴파일 완료
- custom_postproc.c파일에서 reshape이후 연산 부분 c코드 형태로 작성 후 빌드 후 모델 배포
현재 이렇게 진행하였고 rtpm으로 확인 시 차선인식이 전혀 되지 않고 있습니다.
혹시 어떤 부분에서 제가 잘못하고 있는 것인지 궁금하여 재 질문드립니다.
또한 custom_postproc.c파일 작성과 관련하여 참고할만한 자료가 있는지 질문드립니다.
안녕하세요.
수정하신 custom_postproc.c 파일과 실행 명령어, onnx파일, 컨버팅한 파일, 양자화한 파일, 컴파일된 파일 공유 부탁드립니다.
감사합니다.
안녕하세요.
해당 문의에 답변 드립니다.
저희 툴킷에서는 lane detection 신경망을 지원하지 않습니다. converter --type 옵션 lanedet은 지원하지 않는 옵션 값입니다.
converter --type unknown 실행해야 하고 post processing 함수 custom_postproc.c 는 직접 구현해야 하며, 제공 가능한 참고 자료는 없습니다.
감사합니다.
model zoo에서는 UFLDv1을 지원한다고 하여 이를 사용하여 진행하고 있었습니다.
현재 툴킷에서는 Reshape 레이어 포함하여 lane detection 신경망을 지원하지 않아 제가 custom_postproc.c에서 레이어 및 차선 후처리 기능을 직접 구현해야한다는 말씀이신가요?
맞습니다.
내부적으로 테스트는 해봤으나, 최적화를 하진 않았습니다.
단순 테스트 용이라 공유를 드리지 못하는 점 양해 부탁드립니다.
1 Like
