# 快速开始：双ROI融合模型测试

## 5分钟快速上手

### 1. 检查依赖

```bash
# 确保在项目根目录
cd /path/to/yolov5-3d

# 检查Python包
python -c "import numpy, cv2, torch; print('基础依赖OK')"

# 如果测试ONNX模型，检查onnxruntime
python -c "import onnxruntime; print('ONNX Runtime已安装')"
```

### 2. 准备模型和数据

确保以下文件存在：
- 模型文件：`release/yolov5s-30w/merged_model.onnx` 或 `.torchscript`
- 测试数据：视频bin文件或图像目录

### 3. 运行测试

#### 方式一：使用交互式脚本（推荐）

```bash
./eval_tools/test_merged_model.sh
# 然后按提示选择测试模式（1-7）
```

#### 方式二：直接命令

```bash
# ONNX模型
python eval_tools/test_val_merged_model.py \
    --source /data1/dongying/Mono3d/G1M3/eval_dataset/20251210222153/sigmastar.1/camera4.bin \
    --weights release/yolov5s-30w/merged_model.onnx \
    --model-type onnx

# TorchScript模型
python eval_tools/test_val_merged_model.py \
    --source /data1/dongying/Mono3d/G1M3/eval_dataset/20251210222153/sigmastar.1/camera4.bin \
    --weights release/yolov5s-30w/merged_model.torchscript \
    --model-type torchscript \
    --device cuda
```

### 4. 查看结果

```bash
# 结果保存在
ls runs/val_viz_merged/exp/

# 用图像查看器打开
eog runs/val_viz_merged/exp/000000_*.jpg
# 或
display runs/val_viz_merged/exp/000000_*.jpg
```

## 常用配置

### 提高检测精度（减少误检）

```bash
python eval_tools/test_val_merged_model.py \
    --source your/data/path \
    --weights your/model.onnx \
    --model-type onnx \
    --conf-thres 0.4 \
    --iou-thres 0.5
```

### 获取更多检测（增加召回）

```bash
python eval_tools/test_val_merged_model.py \
    --source your/data/path \
    --weights your/model.onnx \
    --model-type onnx \
    --conf-thres 0.15 \
    --iou-thres 0.6
```

## 文件说明

| 文件 | 说明 |
|------|------|
| `test_val_merged_model.py` | 主测试脚本 |
| `test_merged_model.sh` | 交互式测试脚本（推荐） |
| `README_MERGED_MODEL.md` | 完整文档（详细说明） |
| `QUICKSTART_MERGED.md` | 本文件（快速入门） |

## 故障排查

### 问题1：找不到模块

```
ModuleNotFoundError: No module named 'utils'
```

**解决**：确保在项目根目录运行
```bash
cd /deeplearning_team/ydong/dongying/projects/yolov5-3d
python eval_tools/test_val_merged_model.py ...
```

### 问题2：ONNX Runtime错误

```
ImportError: onnxruntime not installed
```

**解决**：
```bash
pip install onnxruntime-gpu  # GPU版本
# 或
pip install onnxruntime      # CPU版本
```

### 问题3：CUDA内存不足

```
RuntimeError: CUDA out of memory
```

**解决**：使用CPU推理
```bash
# TorchScript模型
python eval_tools/test_val_merged_model.py \
    --model-type torchscript \
    --device cpu \
    ...
```

## 下一步

- 阅读完整文档：`README_MERGED_MODEL.md`
- 调整检测参数优化效果
- 修改代码处理更多帧（默认10帧）
- 集成到自己的推理流程

## 技术支持

遇到问题？请检查：
1. 完整文档 `README_MERGED_MODEL.md`
2. 脚本帮助 `python eval_tools/test_val_merged_model.py --help`
3. 交互式脚本选项7查看详细帮助