RK3568笔记五十五：yolov10训练部署测试

最新推荐文章于 2024-08-20 22:54:07 发布
最新推荐文章于 2024-08-20 22:54:07 发布
阅读量199 收藏 1
点赞数
分类专栏： RK3568学习笔记 文章标签： 笔记 YOLO
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/weixin_38807927/article/details/141286649
版权

若该文为原创文章，转载请注明原文出处。

yolov8还没熟悉，yolov10就出来了，本篇记录使用yolov10训练自己的数据，并部署到rk3568上。

参考大佬的博客yolov10 瑞芯微RKNN、地平线Horizon芯片部署、TensorRT部署，部署工程难度小、模型推理速度快_yolov10 rknn-CSDN博客

一、训练模型

1、环境搭建

1.1 官方下载源码

官网地址：YOLOv10 gitbub官网源码
利用魔法进入GitHub官网之后点击下载源码压缩包(这里针对小白使用download，当然也可以使用git clone命令)

了解本专栏 订阅专栏 解锁全文 超级会员免费看
殷忆枫
关注
专栏目录
订阅专栏
算法部署-基于rknn+Cpp在瑞芯微rk3588上部署YOLOv10目标检测算法-附项目源码+流程教程-优质项目实战.zip
06-07
算法部署_基于rknn+Cpp在瑞芯微rk3588上部署YOLOv10目标检测算法_附项目源码+流程教程_优质项目实战
yolov10 rknn 将toolkit版本升级到v2.0.0b22可以大幅提高推理速度
doubijun的博客
07-18 481
将rknn-toolkit2由v1.6.0升级到v2.0.0b22，yolov10n的推理时间(rk3588s)由84ms减少到20ms，速度提高到4倍！
Rockchip RK3588 - Yocto构建rk3588平台镜像
Graceful_scenery的博客
06-06 1075
---------------------------------------------------------------------------------------------------------------------------- 开发板 ：ArmSoM-Sige7开发板eMMC ：64GBLPDDR4 ：8GB 显示屏 ：15.6英寸HDMI接口显示屏u-boot ：2017...
yolov10 瑞芯微 rknn 部署 C++代码
zhangqian_1的博客
05-27 1780
yolov10 目标检测rknn的C++部署来了。直接上代码和模型，欢迎参考交流。
yolov5训练并生成rknn模型部署在RK3588开发板上，实现NPU加速推理
m0_62919535的博客
03-24 8478
RK3588是瑞芯微（Rockchip）公司推出的一款高性能、低功耗的集成电路芯片。它采用了先进的28纳米工艺技术，并配备了八核心的ARM Cortex-A76和Cortex-A55处理器，以及ARM Mali-G76 GPU。该芯片支持多种接口和功能，适用于广泛的应用领域。本篇为yolov5部署在RK3588的教程。接着将训练好的best.pt放在工程文件夹下，使用yolov5工程中的export.py将其转换为onnx模型。
yolov10 瑞芯微RKNN、地平线Horizon芯片部署、TensorRT部署，部署工程难度小、模型推理速度快
zhangqian_1的博客
05-27 2891
模型和完整仿真测试代码，放在github上参考链接。yolov8、v9还没玩热乎，这不yolov10又来了，那么部署也又来了。
RK3588环境部署教程
qq_44129924的博客
04-30 1976
1、安装完成后设置linux和win之间可以相互复制、粘贴，教程https://blog.csdn.net/ssz__/article/details/126921531。进入rknn-toolkit2-15\rknn_toolkit_lite2\examples\inference_with_lite文件，5、安装rknn库，进入rknn–toolkit2文件的rknn_toolkit_lite2>package，注意这个安装aarch版本。即可，安装完成后打开终端，会出现（base）即安装成功。
【使用RK3568S内置NPU加速yolov5推理】
weixin_47869094的博客
08-17 1293
每一行有6个，把我框起来的部分复制即可，这里要注意一点，我们对于小数部分是四舍五入的，最后要保证在yolov5s.yaml里面的都是整数，整个yolov5s.yaml的anchor部分全部要换成我们的Best Anchors，同时还要把我们的nc也就是识别的类别数目给修改一下。进入文件夹后，创建一个名为demo.py的文件，将以下代码复制即可，实现了实时视频，同样要注意的一点是，我们需要把RK_anchor的锚点在这里也修改一下，同样把我们的后处理部分修改一下，也就是上面提到的process函数修改一下。
RKNN3588——YOLOv10的PT模型转RKNN模型
张飞飞的博客
07-26 1056
修改yolov10的源码1. 修改head.py文件，在lass v10Detect(Detect)中的forward添加2. 修改exporter.py文件，新增支持导出rknn的onnx，直接全部复制替换。3. 转onnx。
YOLOv10在RK3588上的测试(进行中...)
含光左卫的工作笔记集
06-13 1494
yolov10的测试，之前yolov5我的实测数据，在rk3588上只能达到每秒10帧。
RK3568笔记十四：yolov8pose部署
02-13 2541
若该文为原创文章，转载请注明原文出处。本篇参考山水无移大佬文章，并成功部署了yolov8pose在RK3568板子上，这里记录下全过程。
RK3568笔记五十六：yolov8_obb旋转框训练部署
最新发布
08-20 192
若该文为原创文章，转载请注明原文出处。本文基于rknn_model_zoo和山水无移大佬的博客和代码训练模型并部署到正点原子的ATK-DLRK3568板子测试。
RK3568笔记十九：Yolov5-seg训练部署
03-12 1589
若该文为原创文章，转载请注明原文出处。根据airockchip/yolov5 仓库训练并部署全过程记录。
RK3568笔记五：基于Yolov5的训练及部署
11-13 2271
环境：Ubuntu20.04、python3.8芯片：RK3568芯片系统：buildroot开发板：ATK-DLRK3568开发主要参考文档：《Rockchip_Quick_Start_RKNN_Toolkit2_CN-1.4.0.pdf》、《Rockchip_User_Guide_RKNN_Toolkit2_CN-1.4.0.pdf》
模型部署:lubancat-rk3566借助Toolkit Lite2运行yolov10
Agastopgia的博客
07-10 957
将librknnrt.so文件拷贝到你的/usr/lib 下。这个文件也在官方提供的ai工具包中，请选择跟你版本一致的so文件，具体路径：Linux\librknn_api\aarch64\librknnrt.so。导出:python onnx2rknn.py ./yolov10s.onnx rk3566 fp。安装1.13的torch,pip install torch==1.13。不用管环境文件,直接安装(报错问题看文章最后的解决方法)Toolkit Lite2版本需要和你转换模型的环境一致。
YOLOv8推理详解及部署实现
热门推荐
周同学的博客
11-07 1万+
YOLOv8推理详解及部署实现
瑞芯微RK3568/RK3588平台YOLOV5实时视频算法的部署小白教程
weixin_48104648的博客
09-06 1万+
本文实现整体的部署流程比较小白，首先在PC上分别实现工程中的模型仿真推理、yolov5-pytorch仿真推理、自己训练yolov5模型仿真推理，完成仿真之后再在板端分别实现rk提供模型的板端推理、yolov5-pytorch板端推理、自己训练的yolov5模型板端推理，最后实现自己训练的yolov5模型实时视频算法部署，整个过程从仿真到板端，从图片到视频，过程较为繁琐，各位大佬们可以根据自己的情况选择跳过某些章节。接下来我们就一块开始部署之旅吧！
评论
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

殷忆枫

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