执行“mask_rcnn_demo.exe”时，无法找到带有名称的Blob：DetectionOutput是怎么回事？

• 转到位于：deployment_toolsopen_model_zoodemosmask_rcnn_demo的mask_rcnn_demo存储库
  
• 打开 models.lst 文件
  
• 下载 建议的模型
  
  
  
  
  • mask_rcnn_inception_resnet_v2_atrous_coco
    
  • mask_rcnn_inception_v2_coco
    
  • mask_rcnn_resnet101_atrous_coco
    
  • mask_rcnn_resnet50_atrous_coco
    
    
  
  
• 使用模型优化器转换已下载的模型
  
• 使用以下命令mask_rcnn_demo.exe 运行mask_rcnn_demo.exe -m ".xml" -i ".jpg" 
  

举报

在执行 mask_rcnn_demo.exe 时，出现 Cannot find blob with name: DetectionOutput 错误，通常是因为模型转换过程中输出层的名称不匹配，或者模型结构在转换过程中发生了变化。以下是一些可能的解决方案和排查步骤：

1. 检查模型输出层名称

• 使用 OpenVINO Model Optimizer：在将 ONNX 模型转换为 OpenVINO IR 时，确保输出层的名称正确。你可以使用 mo.py 脚本来转换模型，并使用 --output 参数指定输出层的名称。


• 查看模型结构：使用 Netron 或其他模型可视化工具查看 ONNX 模型和 IR 模型的结构，确认输出层的名称。

2. 修改 mask_rcnn_demo.exe 命令

• 指定正确的输出层名称：根据模型的实际输出层名称，修改 -detection_output_name 参数。例如，如果输出层名称是 6849/sink_port_0，则命令应为：
  

  mask_rcnn_demo.exe -i D:/hqx/yolact/test_Color.jpg -m D:/hqx/mask_rcnn_R_50_FPN_1x.xml -detection_output_name=6849/sink_port_0



• 尝试不同的输出层名称：如果 6849/sink_port_0 也不起作用，尝试其他可能的输出层名称。

3. 重新转换模型

• 确保模型转换正确：重新运行 OpenVINO Model Optimizer，确保模型转换过程中没有错误。可以使用以下命令：
  

  mo.py --input_model D:/hqx/mask_rcnn_R_50_FPN_1x.onnx --output_dir D:/hqx --output=DetectionOutput

  
  

  或者，如果输出层名称不同，替换 DetectionOutput 为实际的输出层名称。

4. 检查 OpenVINO 版本

• 确保 OpenVINO 版本兼容：不同版本的 OpenVINO 可能对模型的支持有所不同。确保你使用的 OpenVINO 版本与模型兼容。

5. 查看文档和社区支持

• 参考 OpenVINO 文档：查看 OpenVINO 官方文档，了解如何正确转换和运行 Mask R-CNN 模型。


• 社区支持：如果问题仍然存在，可以在 OpenVINO 社区或相关论坛中寻求帮助。

示例命令

假设模型的输出层名称是 detection_output，你可以尝试以下命令：

mask_rcnn_demo.exe -i D:/hqx/yolact/test_Color.jpg -m D:/hqx/mask_rcnn_R_50_FPN_1x.xml -detection_output_name=detection_output

通过以上步骤，你应该能够找到并解决 Cannot find blob with name: DetectionOutput 的问题。如果问题仍然存在，可能需要进一步调试模型转换和执行的细节。

mask_rcnn_demo.exe -i D:/hqx/yolact/test_Color.jpg -m D:/hqx/mask_rcnn_R_50_FPN_1x.xml -detection_output_name=detection_output

举报