永远使用 RGB 做训练绝对不要直接拿 YUYV / NV12 / YUV 原始数据训练神经网络。边缘端用 NV12 直推只是【部署时的硬件优化手段】训练和部署要严格分开二者不能混淆。下面分层把原理、误区、工程方案讲透适配你 RDK X5 项目。一、先理清两件完全独立的事情训练阶段PC GPU输入素材RGB 目的让网络学习物体色彩、纹理特征。部署阶段RDK X5 BPU内存传输格式NV12YUV420 只是硬件传输存储格式 BPU 内部预处理单元自动完成 YUV→RGB 换算送入卷积运算卷积计算本质仍然等价 RGB 输入。类比 训练用标准图纸RGB训练工人识别零件 部署运输零件采用压缩包装NV12进入车间先解压成标准形态再检测不能直接拿压缩包装去训练工人。二、为什么不能用 YUV/YUYV 原始数据训练1. YUV420/YUYV 存在色度下采样4:2:0 / 4:2:2RGB每个像素独立 R/G/B信息完整YUV 4:2:04 个像素共享一组 U、V 色度色度信息天然压缩、插值生成。如果你直接把未还原成RGB的 YUV 张量喂给 CNN 训练 网络学到的是「插值失真后的色彩分布」并不是真实像素色彩。 部署时即便同样 YUV 输入采集设备 ISP 插值算法、色域不同训练与推理分布不一致精度明显下跌。2. YUV 不是统一标准存在大量可变参数1色域区分Full Range YUVY∈[0,255]相机 ISP 输出Limited Range YUVY∈[16,235]视频、HDMI 标准 2转换矩阵不唯一 BT.601 / BT.709 / BT.2020YUV↔RGB 转换系数不一样。RGB 没有这类歧义是深度学习行业统一基准。一旦训练使用某一套 YUV 参数部署只要参数不一致色彩偏移置信度大范围下降。3. 深度学习框架生态原生基于 RGBPyTorch、TensorFlow、ONNX 算子、数据增强库全部以 RGB 图像作为标准输入。随机翻转、色彩抖动、高斯模糊、色域增强都是针对 RGB设计直接在 YUV 空间做数据增强会破坏 U/V 插值关系产生伪影 强行改造工作量极大没有任何收益。4. YUYV 4:2:2 同样存在色度采样压缩YUYV 每两个像素共用一组 UV。 直接作为网络输入依然是失真数据同样不适合训练。三、关键疑问既然端侧输入 NV12为什么训练不用 NV12正确链路标准工业方案plaintext训练JPG/PNG → RGB图像 → CNN训练 → ONNX(RGB输入 [1,3,H,W]) 部署转换hb_model_convert配置【硬件预处理】 BPU自动NV12 → YUV2RGB → 归一化/均值处理 → 卷积训练与推理的数学输入空间保持完全一致。BPU 内置硬件预处理 把YUV2RGB、归一化硬件加速避免 CPU 执行并没有让网络直接学习 YUV 特征。四、工程最大坑训练 / 部署色彩域不匹配高频翻车点错误做法 1 RGB 训练部署 NV12 输入但模型转换时没有正确配置 YUV 色域、转换矩阵。 现象画面偏亮 / 偏暗、颜色偏色目标置信度降低、漏检。✅解决方案 在 hb_model_convert 的配置文件明确配置yuv_range: full_rangeMIPI 相机 ISP 输出标准color_space: bt709 /bt601 和 Sensor ISP 保持一致五、拓展有没有场景在 YUV 空间训练极少数学术场景视频编码相关模型H.264/H.265原生基于 YUV 码流。目标检测、语义分割、双目视觉、机器人感知任务一律 RGB 训练。六、可选进阶优化方案追求极致鲁棒性可选非必需想要缩小「PC RGB 图片」和「端侧相机 YUV 图像」域差可以做域适应增强 在训练阶段的数据增强流水线里随机模拟 YUV 压缩噪声 RGB → 模拟转 YUV420色度下采样插值→ 转回 RGB 送入网络。 作用提升模型对相机 ISP 色度压缩的鲁棒性。重点依然是 RGB 为主链路只是加入噪声模拟不是直接用 YUV 训练。七、极简操作规范直接落地使用训练侧所有数据集统一解码为 RGB (HWC/CHW)不要加载原始 YUV 码流训练 OpenCV 读取 BGR 务必转换 RGB。模型导出ONNX 输入定义(1,3,H,W)三通道 RGB 浮点张量。RDK X5 模型转换cfg 配置输入类型为 nv12开启硬件 YUV2RGB 转换对齐色域与转换矩阵板端业务代码hobot_vio 取出 NV12 帧直接送入推理禁止 CPU 调用 cvtColor 做 YUV→RGB增加延迟、占用 CPU可视化通道单独转换 RGB 用于显示推理主线保留 NV12 直推。一句话最终总结训练必须 RGBYUV/NV12 只是边缘端硬件传输格式依靠 BPU 内置预处理还原成 RGB 空间再计算不能作为训练输入。