Inconsistent RF-DETR Inference Results Between Roboflow UI and Local Inference (Preprocessing and Post-processing Clarification)

Aperta
  • Qualcosa non va?
#2,302 3 commenti 0 reazioni 0 assegnatari Vedi su GitHub

I maintainer di solito rispondono entro 1 giorno

Nessuno ha ancora preso questa issue.

Valutazione

Difficoltà
4/5
Tempo stimato
3-5 giorni
Idoneità per principianti
30/100
Tipo di issue
Documentazione
Chiarezza
Da chiarire
Stato di attività
Tranquilla
Ambito
api, computer-vision

Direzione di ricerca

Nell’issue non vengono indicati file, test o entry point. Inizia individuando i percorsi di pre-processing e post-processing dell’inferenza di RF-DETR, quindi confrontali con il comportamento della Roboflow UI e della hosted HTTP API; il lavoro è concluso quando vengono documentati i passaggi esatti e se i chiamanti locali devono riprodurne alcuni.

Scritto dal modello di indicizzazione a partire dal testo della issue.

Descrizione

question
Search before asking
  • I have searched the Inference issues and found no similar feature requests.
Question

Hi Roboflow Team,

I’m using an RF-DETR model trained on Roboflow and observed inconsistent inference results between the Roboflow UI and my local inference setup.

Specifically:

When running inference via the Roboflow UI, detections are accurate and as expected.
However, when I run inference locally (using the HTTP API and other methods), the same images produce noticeably different results (missed detections / shifted boxes / confidence variations).

I suspect this might be due to differences in preprocessing (e.g., resizing, normalization, color handling) that are internally handled in the Roboflow pipeline but not clearly exposed for local replication.

Could you please clarify:

What exact preprocessing steps are applied during RF-DETR inference in the Roboflow UI?
Are these same steps automatically applied in the hosted inference API, or do we need to manually replicate them for local/custom inference?
Is there any documentation or reference implementation to ensure preprocessing consistency?

Understanding this would help ensure consistent results across environments and avoid performance discrepancies.

Thanks in advance!

Additional

No response

Lingua principale
Python
Stelle
2.5k
Fork
340
Merge medio
2g 11h
PR unite (30g)
92

Preparare l'ambiente

Come iniziare

  1. Leggi tutta la issue e poi la guida ai contributi del progetto.
  2. Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
  3. Fai un fork del repository e lavora su un branch.
  4. Apri una pull request che faccia riferimento al numero della issue.

Altre issue di roboflow/inference

Tutte le issue di roboflow/inference

Issue simili

Altre issue su Python

Ricevi le nuove issue nella tua casella

Un breve riepilogo di issue GitHub adatte ai principianti.