strip64问题

前面分析到丢掉stride 64参数，会丢失小目标，那实际是不是这样子呢，我们修改yolov5.cpp,参考strip8,16,32的写法，增加strip64代码

    // stride 64
    {
        ncnn::Mat out;
        ex.extract("484", out);
        ncnn::Mat anchors(6);
        anchors[0] = 436;
        anchors[1] = 615;
        anchors[2] = 739;
        anchors[3] = 380;
        anchors[4] = 925;
        anchors[5] = 792;

        std::vector<Object> objects64;
        generate_proposals(anchors, 64, in_pad, out, prob_threshold, objects64);

        proposals.insert(proposals.end(), objects64.begin(), objects64.end());
    }

左：无64参数运行结果--------------右：有64参数运行结果

可以看到检测结果并没有什么差异，所以64参数是没生效吗？

strip64是否生效

我们通过屏蔽代码，分别得到strip 8/16/32/64运行后得到的框，注意要把nms_threshold降低，防止过滤掉低分数框。

左：only strip8参数运行结果--------------右：only strip16参数运行结果

左：only strip32参数运行结果--------------右：only strip64参数运行结果

这就很奇怪了，strip越大，反而检测的目标越大。按照之前anchor理解，64应该识别的目标更小才对。 难道代码的参数与模型的层没对应上？对错层了？

当前参数对应

目前对应是这样的
strip 8------output
strip 16------456
strip 32------470
strip 64------484

yolov5n6.param

原demo参数对应

原demo用的yolov5s_6.0对应是这样的

strip 8------output
strip 16------376
strip 32------401

yolov5s_6.0.param

它的5s6只有3层输出，很奇怪。

yolo官网5s6参数

我去yolo github下载yolov5s6.pt，转成onnx，转成.param

yolov5s6_github.param

yolo官网的5s6也是4层输出。

yolo官网5s参数

我好奇，把官网的5s模型也转了出来

yolov5s_github.param 这个跟ncnn用的yolov5s_6.0模型不是一样的吗。

为了再次确认，我把两个模型丢到了https://netron.app/，对比发现一毛一样，那为什么ncnn要把这个模型命名为5S_6.0呢？

未完待续