57、Yolov8-seg实例分割部署NCNN、MNN、ONNX、OpenVINO、OAK，RK3588平台上

已于 2023-06-16 13:16:12 修改
阅读量4.5k 收藏 41
点赞数 5
分类专栏： Python基础知识 文章标签： YOLO mnn openvino
于 2023-04-22 08:49:00 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/sxj731533730/article/details/130300320
版权

基本思想：部署yolov8-seg到ncnn、mnn、openvino、oak,rk3588平台上，仅仅做记录

测试时间2023-04-28代码main主分支

实验模型：链接: https://pan.baidu.com/s/1ilX1YMuhONkisKuGuiqvWw?pwd=75ti 提取码: 75ti

测试图片

 一、先转成是用官方模型转onnx首先，然后进行sim一下,是用模型日期2023-04-22，下载模型然后生成ttochscript、onnx和openvino模型

1）使用pnnx转模型

ubuntu@ubuntu:~/Downloads/pnnx-20230420-ubuntu (1)/pnnx-20230420-ubuntu$ ./pnnx /home/ubuntu/ultralytics/yolov8n-seg.torchscript inputshape=[1,3,640,640]
pnnxparam = /home/ubuntu/ultralytics/yolov8n-seg.pnnx.param
pnnxbin = /home/ubuntu/ultralytics/yolov8n-seg.pnnx.bin
pnnxpy = /home/ubuntu/ultralytics/yolov8n-seg_pnnx.py
pnnxonnx = /home/ubuntu/ultralytics/yolov8n-seg.pnnx.onnx
ncnnparam = /home/ubuntu/ultralytics/yolov8n-seg.ncnn.param
ncnnbin = /home/ubuntu/ultralytics
了解本专栏 订阅专栏 解锁全文 超级会员免费看
sxj731533730
关注
  • 5
    点赞
  • 踩
  • 41
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 23
    评论
专栏目录
订阅专栏
2.2 YOLOv8训练自己的模型并部署RK3588（Rock5B开发板）
m0_46087051的博客
04-12 443
cp Dockerfile_ubuntu_20_04_for_cp38 Dockerfile sudo docker build -t "rknn/toolkit2:20240208" . sudo docker image ls sudo docker run -it -v $(pwd -P):/workplace rknn/toolkit2:20240208 /bin/bashpython convert.py ./best.onnx rk3588修改OBJ_CLASS_NUM，否则会在后处理报错
yolov8pose算法c++移植部署于RK3588的开发板源码+使用说明
01-16
<项目介绍> yolov8pose算法c++移植部署于RK3588开发板源码+使用说明 yolov8 瑞芯微 rknn 板端 C++部署，使用平台 rk3588，全网最简单、运行最快的部署方式。 yolov8 瑞芯微 rknn 板端 C++部署，使用平台 rk3588。模型转换参考 onnx转rknn ， 仿真参考PC仿真 。 - 不懂运行，下载完可以私聊问，可远程教学 该资源内项目源码是个人的毕设，代码都测试ok，都是运行成功后才上传资源，答辩评审平均分达到96分，放心下载使用！ 1、该资源内项目代码都经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！ 2、本项目适合计算机相关专业(如计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载学习，也适合小白学习进阶，当然也可作为毕设项目、课程设计、作业、项目初期立项演示等。 3、如果基础还行，也可在此代码基础上进行修改，以实现其他功能，也可用于毕设、课设、作业等。 下载后请首先打开README.md文件（如有），仅供学习参考, 切勿用于商业用途。 --------
RK3588 yolo v8实例分割部署
yangshixu520的博客
02-27 1244
RK3588 yolo v8实例分割部署
YOLOv8目标检测在RK3588部署全过程
最新发布
qq_1840998080的博客
06-29 2207
零基础YOLOv8部署在RK3588流程
瑞芯微RK3588 C++部署Yolov8检测和分割模型
四平的博客
03-04 3427
Docker容器主要用来进行模型转换，也就是pt转onnx的过程，因此docker中需要用的的包主要是rockchip-yolov8,需要修改该代码，进行模型的转换，在linux服务器上安装docker环境，创建一个ubuntu系统的docker环境。，C++的部署的代码参考的里面都有，我自己这边只是根据自己的项目做了集成，如有需要可私信。这一部分的修改代码参考山水无移大哥的部署过程，贼清洗，膜拜一下，少走了很多弯路，直接贴上。（3）yolov8_onnx2rknn：在（2）的基础上转检测rknn模型。
rk3588使用NPU推理yolov8记录
weixin_42722350的博客
05-16 1427
rk3588 npu推理yolov8_seg记录
在英特尔开发套件上用OpenVINO加速YOLOv8-seg实例分割模型
英特尔开发人员专区
05-17 734
在英特尔开发套件上用OpenVINO加速YOLOv8目标检测模型》介绍了在英特尔开发套件上使用OpenVINO™ 开发套件部署并测评YOLOv8的目标检测模型，本文将介绍在英特尔开发套件上使用OpenVINO™加速YOLOv8-seg实例分割模型。请先下载本文的范例代码仓，并搭建好YOLOv8的OpenVINO推理程序开发环境。1.2 导出YOLOv8-seg 实例分割OpenVINO IR模型YOLOv8-seg的实例分割模型有5种，在COCO数据集完成训练，如下表所示。
YOLOv8_seg-Openvino和ONNXRuntime推理【CPU】
weixin_45679938的博客
03-11 1352
Openvino是由Intel开发的专门用于优化和部署人工智能推理的半开源的工具包，主要用于对深度推理做优化。Openvino内部集成了Opencv、TensorFlow模块，除此之外它还具有强大的Plugin开发框架，允许开发者在Openvino之上对推理过程做优化。Openvino整体框架为：Openvino前端→ Plugin中间层→ Backend后端。
YOLOv8-Seg推理详解及部署实现
周同学的博客
11-07 8122
YOLOv8-Seg推理详解及部署实现
YOLOv5_seg-Openvino和ONNXRuntime推理【CPU】
weixin_45679938的博客
03-11 1174
Openvino是由Intel开发的专门用于优化和部署人工智能推理的半开源的工具包，主要用于对深度推理做优化。Openvino内部集成了Opencv、TensorFlow模块，除此之外它还具有强大的Plugin开发框架，允许开发者在Openvino之上对推理过程做优化。Openvino整体框架为：Openvino前端→ Plugin中间层→ Backend后端。
Yolov8-seg分割预训练模型
11-06
YOLOv8-seg是一种基于YOLO（You Only Look Once）系列的深度学习目标检测与分割模型，专门针对实时图像分割任务设计。该模型在YOLOv8的基础上进行了改进，以提升目标检测和像素级别的分割性能。YOLO系列模型以其快速...
yolov8s-seg.pt模型文件
03-27
yolov8s-seg.pt模型文件
遥感图像实例分割-使用YOLOv9-Seg+SAM实现遥感图像的实例分割+并进行分割效果对比+附模型权重+项目源码-优质项目实战
05-08
遥感图像实例分割_使用YOLOv9-Seg+SAM实现遥感图像的实例分割+并进行分割效果对比+附模型权重+项目源码_优质项目实战
yolov8-seg模型源码，实例分割，带数据集，测试可执行demo
12-25
这份资源是一份针对深度学习计算机视觉领域的实例分割源码，使用 Ultralytics YOLOv8-seg 模型和 COCO128-seg 数据集进行目标检测和实例分割任务。提供了一个亲身测试且直接可运行的实例分割解决方案。 数据集我已经...
yolov8m-seg.onnx
09-07
model.export(format="onnx", imgsz=640, opset=12)
RK3588 npu python运行 YOLOv8 和 YOLOv8-seg 的教程
weixin_42206548的博客
05-06 2295
我们在 rknn-multi-threaded 的基础上，对 RKNN_model_zoo 中的 YOLOv8 example 进行了整合，并使用 github Copilot 重写了后处理函数。这一改进不仅取消了对 PyTorch 的依赖，还将后处理耗时从几百毫秒降低到了几十毫秒。在 3 线程模式下，推理 YOLOv8s 模型可以达到约 45fps，而推理 YOLOv8s-seg 模型则可以达到约 25fps。
2、Python Labelme标注的json与LabelImg标注的xml 数文件相互转换、以及YOLO数据集 VOC数据格式、coco数据集（仅适用矩形框）含实例分割的coco和labelme互转
sxj731533730
01-16 9619
这篇博客的主要目的是：（注意 只适用4个坐标点，多坐标需要修改一下） tensorflow 的训练数据是图片+json;而caffe训练集是图片+xml； 因此想使用python 完成他人已经在的json标注好的数据集直接转xml数据；json--->xml(Labelme====>>>LabelImg) 首先提供的Labelme是生成的json串：如下图 .........
37、记录使用 Swin Transformer主干网络去实现分类，并转化NCNN、TNN、MNN模型以及部署
sxj731533730
01-20 8572
基本思想:最近手中有个swim transformer模型，想移植手机端进行推理一下，随手记录一下遇到的问题 一、首先我fork了大佬的代码，查阅主代码结构是华为分类垃圾的源码,然后作者参考了swin_transformer的架构做了修改，修改参考来自Swin-Transformer/swin_transformer.py at 5d2aede42b4b12cb0e7a2448b58820aeda604426 · microsoft/Swin-Transformer · GitHub （1）首先将模..
yolov8-seg实例分割提取分割掩膜
05-19
Yolov8-seg是一种基于目标检测和语义分割的实例分割方法。在Yolov8-seg中，首先使用YoloV5目标检测器检测图像中的物体，然后将检测到的物体传递给语义分割模型，以生成每个物体的分割掩膜。 如果您想提取分割掩膜，...
评论 23
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

打赏作者

sxj731533730

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