专栏算法工具链Sparse BEV模型部署时如何预处理nv12图像数据

Sparse BEV模型部署时如何预处理nv12图像数据

已解决
YU_2025-12-23
57
2

  1. J6M

  2. J6_OE_3.2.0

  3. 板端部署

在板端部署sparse bev模型时，转成平台hbm模型后，yuv的输入变成了u8且不带量化的格式，此时要如何对图像进行归一化操作？
或者是说在模型中已经存在归一化节点了？如果存在，请告知一下如何查找并确认归一化节点存在，谢谢！
算法工具链
技术深度解析征程6
评论1
0/1000
  • YCJ
    Lv.4

    您好！看您的描述hbm模型的输入是配置的nv12输入。在yaml文件配置中，可以通过 scale_value和 mean_value 参数去配置您的归一化操作和减均值操作（这些参数的配置原则就是和您原始模型预处理一致）。配置这些参数后，工具链会在hbm模型前加上一个转换节点，里面就包含了从nv12到您原始模型输入类型的数据类型转换。

    2025-12-29
    0
    1
    • 霸波儿奔回复YCJ:

      您好，我也碰到类似问题，J5 部署LSS, 训练时看到img 经过 Normalize 处理，mean=128, std=128. 同时部署时 hrt_model_exec model_info看到img的类型是HB_DNN_IMG_TYPE_NV12_SEPARATE， scale data: 0.0078125,0.0078125,0.0078125。 那么我准备数据的时候是否需要准备nv12数据, nv12 数据是否需要Normalize 处理。当前我没有Normalize处理，但是也没有看到model.hbm中有类似处理。其中我的model.hbm是通过python3 tools/compile_perf.py --config * 生成的，没有经过onnx.

      2025-12-30
      0