RK3588开发板 yolov5转换到rknn识别

已于 2023-12-20 19:09:08 修改
阅读量397 收藏 1
点赞数
文章标签： 深度学习 人工智能
于 2023-09-05 18:41:03 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_37797583/article/details/132697800
版权
文章描述了将Yolov模型从rv1126开发板移植到rk3588的过程，包括安装训练环境、模型转换（Yolov5toONNX,ONNXtorkNN）、使用C语言demo运行和集成到项目中，重点在于实际操作步骤和迁移经验。
摘要由CSDN通过智能技术生成

2023/4/20
通过不断测试，成功在rv1126开发板上把yolov的模型转换成rknn运行起来，完成rv1126开发板进行目标检测
2023/9/5
有rv1126的经验，经过冷静的分析测试成功把yolov5模型转换完成在rk3588的开发板上运行成功
步骤其实和rv1126的转换大致相同
1.安装yolov5训练环境
2.yolov5转onnx
3.安装rknn转换环境
4.onnx转rknn
5.使用c的demo来运行rknn模型就可以了
6.最后把demo提取出来加入到自己的项目中
7.把测试的图片换成从摄像头获取数据

初学者5213
关注
瑞芯微RV1126部署yolov5-face_模型转换_输出后处理C++实现
cumtchw
12-01 1万+
1.前言 yolov5-face只检测一个种类，nc=1,yolov5-face的三个输出分别是 1x3x80x80x16 1x3x40x40x16 1x3x20x20x16 这里的3是指RGB三个通道，每个通道都会产生一个结果，这里的16是指x y w h boxScore x1 y1 x2 y2 x3 y3 x4 y4 x5 y5 idScore。 2.代码 这里以瑞芯微的代码为例，只不过在前面和后面加上了有关padding resize的处理，瑞芯微的具体代码见rkn...
瑞芯微RK3588移植Yolov8（3）
zxt1920的博客
06-14 167
瑞芯微RK3588移植Yolov8最终章，rknn模型的编译推理
rv1126下yolov5s转rknn模型
Jormungand123的博客
04-26 8194
最近的主要任务是完成自训练的yolov5s模型转rknn模型。 学习笔记： 以下为学习笔记： 1、首先从RP-rknpu配置说明的文件可以知道： RV1126_RV1109 的 npu 默认配置为 mini 的，mini 是不带 rknn_server 的，所以不能通过 pc 端连接 主板仿真。但是可以解决。 —————————————————————— 群内笔记： 2、rknn lite 是仅仅包含推理功能的包.适合装在开发板上. 3、 rknn toolkit 是包含推理和模型转换还有模
【yolov5转换为rknn模型过程中的问题】
最新发布
weixin_47869094的博客
08-17 1132
与此同时，发现yolo v5更新到了v7.0.0的版本，于是就想着把yolo 进行升级，同时将pytorch版本也更新到最新的2.1.0，这样就可以采用torch.onnx.dynamo_export 进行转onnx模型的操作尝试了。注意到rknn模型的转换用到了dataset.txt，它指定的是原版COCO训练下的yolov8的图片，而现在的自定义数据集中没有这样的图片。同时发现，量化后的rknn模型，在config阶段改变量化的方式，确实会提升模型的性能，且几乎接近于未量化的模型版本。
Yolov5 转换成 RKNN模型
weixin_43999691的博客
08-11 9346
Yolov5 转换成 RKNN模型
yolov5 onnx模型 转为 rknn模型
weixin_45824067的博客
07-28 4180
这一步是把准备好的一些图片，生成图片路径的文本文件，在构建RKNN模型的时候有用处。通过使用真实的样本数据集，RKNN工具可以更好地理解和建模模型的输入数据，从而更好地优化网络结构、权重和量化方案。这一步如果是在虚拟机上运行的话，8GB的内存条win10系统也要用，分配给虚拟机的没多少，3GB也不够执行这一步。后来我直接在Ubuntu系统执行这一步，8GB系统用一点还剩6.7GB，CPU和内存直接干满。还是在docker环境 模型转换工作目录，运行rknn_convert.py。为映射到docker镜像。
[rknpu][yolov5]自训练yolov5模型运行于rv1126npu上
sakuramiao的博客
03-29 1152
目录计划
rk3588对npu的再探索，yolov5使用rknn模型推理教程
热门推荐
振华OPPO的博客世界
08-17 1万+
博主在瑞芯微ITX-3588J-8K的开发板上跑了yolov5目标检测算法，调用了外置相机获取rtsp视频流，但是每帧处理需要833ms左右，和放PPT一样。本来想使用tensorrt进行加速推理，但是前提需要cuda，rk的板子上都是arm的手机gpu，没有nvidia的cuda，所以不能这样适配。那么转过来，使用开发板自带的NPU进行加速推理，岂不是最佳方案，因为它本身就是人工智能开发板，不用NPU相当于没有发挥它的全部能力。.........
实操rk3588讯为开发板部署和运行yolov5模型
hzh442436179的博客
08-16 1156
跟着讯为在b站的视频（
rk3588 视频yolov5
09-12
如果想要在RK3588上使用yolov5模型进行视频识别，需要经过以下步骤： 1. 首先，使用正确版本（v5.0）的yolov5进行训练，得到.pt格式的模型。 2. 接下来，将.pt模型转换为.onnx模型。可以使用yolov5工程中的export....
RK3568笔记二十三：基于YOLOV5的python测试
05-05 596
若该文为原创文章，转载请注明原文出处。在正在原子的ATK-RK3568上测试FLASK时，发现在web 上不使用yolov5只是显示摄像头数据，显示正常，但开启目标检测后，确识别不了了。为了找到原因，特地测试python怎么使用rknn并显示。
0654-极智开发-解读vscode C++调试无法跳转问题解决
03-15
0654_极智开发_解读vscode C++调试无法跳转问题解决
0164-极智AI-解读tvm ansor
06-07
0164_极智AI_解读tvm ansor
【大体思路】rv1126 跑通 yolov5
weixin_45824067的博客
09-30 1098
目标：yolov5_coco_rv1126.rknn ---> yolov5_coco_rv1126_pre.rknn。yolov5_detet_demo C++ 代码 ---> yolov5_detect_demo 可执行文件。目标：yolov5_coco.onnx ---> yolov5_coco_rv1126.rknn。1、加载docker镜像，rknn-toolkit-1.7.3-docker.tar.gz。4、模型转换，内存够大 【rknn_convert.py】3、将编译结果复制到板卡上。
【详细记录】rv1126 跑通 yolov5
weixin_45824067的博客
08-02 3490
在前面，已经将 onnx模型转为 rknn模型。这里探讨的是：rknn模型在rv1126开发板上运行。
YOLOV5移植RV1126说明
JustinChen
07-01 2526
YOLOV5 RKNN TOOLKIT
Yolov5转RKNN模型前的准备-以RK1126为例
weixin_42548277的博客
04-03 341
转onnx模型的代码在yolov5工程下models文件夹下–export.py。
【边缘设备】yolov5训练与rknn模型导出并在RK3588部署~3.YOLOv5训练自己的模型（亲测有效）
08-16 1785
在翻阅了网络上很多资料后，发现很多版本的信息比匹配。花了一周的时间配置环境，以及环境验证，然后写了这篇长文。有过程，有代码，有经验，欢迎大家批评指正。
rk3588部署yolov8视频目标检测教程
jngwe的博客
04-30 5007
解压opencv和opencv-contrib 代码，在板卡上新建一个opencv4_install文件夹，用于安装opencv，再进入解压后的opencv4.4.0文件夹， 新建文件夹 build，进入build文件夹，打开终端执行以下命令。patch文件我已经放到百度云opencv4.4/patch_文件夹下，可以下载放到对应位置后，在重新执行上述指令进行编译，直到无报错为止，再执行make指令进行编译。执行完会在终端显示 done!编译的时候，会报错误，缺一些依赖库，参照下面的链接进行解决。
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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