RK3568 NPU YOLOV5S 目标检测DEMO

本文详细介绍了在RK356X开发板上,基于Debian11系统,如何进行YOLOv5视频流解析程序的编译和运行。首先,从SDK源码中获取程序代码,然后设置交叉编译工具链路径并执行编译脚本。编译成功后,将程序拷贝到开发板上运行,演示了使用YOLOv5模型对视频文件进行对象检测的过程。虽然在RK356X上运行速度为7帧/秒,但可以通过优化提升性能。
摘要由CSDN通过智能技术生成

视频流解析

硬件环境

开发板:RK356X

系统:Debian11

获取源码

  • 程序源码内置SDK目录
$ ls external/rknpu2/examples/rknn_yolov5_video_demo/
	build  build-android_RK356X.sh  build-android_RK3588.sh  build-linux_RK356X.sh  build-linux_RK3588.sh  
	CMakeLists.txt  convert_rknn_demo  include  install  model  README.md  src
  • 网盘获取测试视频文件
1-SDK Source 软件源码/demo/
	rknn_yolov5_demo_test.mp4

可自行下载任意视频

编译源码

  • 指定交叉编译工具链路径
$ export GCC_COMPILER=SDK目录/prebuilts/gcc/linux-x86/aarch64/gcc-arm-10.3-2021.07-x86_64-aarch64-none-linux-gnu/bin/aarch64-rockchip1031-linux-gnu

交叉编译工具链内置SDK目录,具体路径参考以上命令

  • 编译源码
$ cd external/rknpu2/examples/rknn_yolov5_video_demo/
$ ./build-linux_RK356X.sh

编译成功后,执行程序生成目录 install/rknn_yolov5_demo_Linux/

  • 拷贝程序到开发板
$ ls install/rknn_yolov5_demo_Linux/
	lib/              model/            rknn_yolov5_demo

拷贝方式可用U盘、网络等

若不想要编译,可从网盘目录获取可执行程序 1-SDK Source 软件源码/demo/rknn_yolov5_demo_Linux.tar.gz

程序运行

  • 程序运行命令
$ cd rknn_yolov5_demo_Linux/
$ ./rknn_yolov5_demo model/RK356X/yolov5s-640-640.rknn model/test.mp4

RK356X只能运行到7帧/秒,可自行优化程序性能

  • 程序运行界面

f8944680e7bd81aeec4cbddf2eab4b0

要在rk3568上部署yolov5模型,你可以按照以下步骤进行操作: 1. 首先,你需要在Windows上搭建训练环境并使用pytorch框架训练yolov5s模型。你可以参考\[1\]中提供的教程来完成这一步骤。 2. 在训练完成后,你需要将训练好的模型转换为rknn模型。你可以使用RKNN-Toolkit2来进行转换。建议使用conda虚拟环境,并按照\[3\]中提供的文档进行安装。 3. 在转换完成后,你可以将rknn模型部署到rk3568电路板上进行推理。具体的部署步骤可能因为你的具体环境和需求而有所不同,你可以参考RKNN-Toolkit2的文档或者官方文档来了解如何在rk3568上部署rknn模型。 总结起来,你需要在Windows上搭建训练环境并使用pytorch框架训练yolov5s模型,然后将训练好的模型转换为rknn模型,并最后在rk3568上部署rknn模型进行推理。希望这些信息对你有帮助! #### 引用[.reference_title] - *1* [(十二)rk3568 NPU 中部署自己训练的模型,(1)使用yolov5训练自己的数据集-环境搭建部分](https://blog.csdn.net/dongshizhishui/article/details/126887399)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* [(十二)rk3568 NPU 中部署自己训练的模型,(1)使用yolov5训练自己的数据集-模型训练部分](https://blog.csdn.net/dongshizhishui/article/details/130302325)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] - *3* [手把手教学YOLOV5RK3568的部署应用及代码实现](https://blog.csdn.net/yangbisheng1121/article/details/128785690)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Linux驱动专栏

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值