想让TensorRTX对Yolov8-seg生成的模型文件转engine后，支持对多通道（比如6通道）的输入图像的推理，该如何修改？ 急需这个功能，可是改了一个星期也没成功。求大神指教。

[retioa11]

最终目的是为了做遥感影像的变化检测(给定两张同一位置的不同拍摄日期的遥感图片，检测两张图片的变化)。网上找的其他做变化检测的基于深度学习的方法一般只有Python代码，而客户的项目需求是最终部署到C++平台，自己写不会写，能力有限，所以想到了使用Yolov8的语义分割做变化检测，就是把两个3通道的图像合并为6通道后，直接训练6通道的图像，当做语义分割问题。

测试数据下载自：[https://chenhao.in/LEVIR/， 然后又把里面的图片修改成了6通道的tif图像，标签文件也改成了Yolov8-seg的格式，把val和test上传到了百度网盘（链接: https://pan.baidu.com/s/1rpSGgNtX1II7bP7bG_PPnw?pwd=a35q），train文件夹太大了没上传，测试时可使用test文件夹代替。

参考：https://blog.csdn.net/Lizongming_/article/details/135652383 ，把Yolov8的源码修改为可训练和预测6通道的tif图像。
修改前后的Yolov8代码.zip
可使用里面的TT-Train.py文件进行训练6通道的图像，使用TT-TestExport.py进行预测6通道的图像。

修改前后的TensorRTX中的Yolov8部分代码.zip
重点修改了preprocess.cu文件，推理时读取两张图片，再使用下图中选中的代码，在显存中合并到一起，很怀疑这里有问题。

遇到问题：使用Pt文件测试时，分割变化了的区域的准确率比较高，预计在90%左右，蓝色框是预测结果，白色的区域是GT中的变化区域。

test_21图像：

转engine模型后的使用engine文件测试时，分割变化了的区域的准确率很低，在2%左右，下图中红色的区域是预测的，白色的区域是GT中的变化区域。

_test_67图像：

[stale]

This issue has been automatically marked as stale because it has not had recent activity. It will be closed if no further activity occurs. Thank you for your contributions.

[mpj1234]

首先必须保证你的模型输入是6通道，而且预处理核函数默认是安装三通道出来，你必须修改预处理方式，不仅仅只是memcpy

[retioa11]

谢谢，暂时放弃了。