基于高通SNPE推理引擎的yolov5目标检测算法

 

上图源自Snapdragon Neural Processing Engine SDK Reference Guide，它展示了一个Deep Learning Neural Network在SNPE环境下的Workflow。本repo主要关注Workflow中的第二个阶段，当你拥有一个预训练模型（以yolov5s.onnx为例），如何从Model Convert到SNPE Enabled App，如官方教程所言，主要有以下四个步骤：

• Model Convert：把.tf/.tflite/.onnx/caffe/caffe2/.pt等网络预训练模型转换为一个能够被SNPE加载的DLC文件。
• ModelQuantize：量化模型，以便能在Hexagon DSP上运行（可选项）。
• SNPETask：使用SNPE runtime加载模型并完成推理。
• YOLOv5s：Pre-process（处理输入）和Post-process（处理输出）。

经过这几步之后我们就能够得到一个能够应用于实际工程项目中的推理SDK。

源码链接：

GitHub - gesanqiu/SNPE_Tutorial: A simple tutorial of SNPE.A simple tutorial of SNPE. Contribute to gesanqiu/SNPE_Tutorial development by creating an account on GitHub.https://github.com/gesanqiu/SNPE_Tutorial视频教学：

基于高通SNPE推理引擎的yolov5目标检测算法——项目简介_哔哩哔哩_bilibiliGithub地址：https://github.com/gesanqiu/SNPE_TutorialSNPE下载地址：https://developer.qualcomm.com/software/qualcomm-neural-processing-sdkSNPE官方文档地址：https://developer.qualcomm.com/sites/default/files/docs/snpe, 视频播放量 17、弹幕量 0、点赞数 0、投硬币枚数 0、收藏人数 2、转发人数 0, 视频作者 清和やよい, 作者简介 负责的将亲身经历和内心情感表达出来。，相关视频：基于高通SNPE推理引擎的yolov5目标检测算法——源码分析（1），基于高通SNPE推理引擎的yolov5目标检测算法——源码分析（2），让ChatGPT作为马科长会如何回答记者的提问，强推，计算机博士带你逐行详解YOLOV8代码！YOLOV8目标检测算法环境部署与模型训练教程，学不会来打我！，【多模态+知识图谱】2023最好创新的研究方向！从原理推导到项目实战！一天就能学会！——人工智能|AI|多模态|知识图谱|机器学习|深度学习|计算机视觉，【完整版】如何逼自己一个月快速入门PyTorch（附课程源码）绝对通俗易懂！，人生苦短，我学 线性回归、逻辑回归、KNN、决策树、SVM、随机森林、PCA、k-means八大算法直接一口气学到爽！！！-人工智能/机器学习/算法，YOLOv7旋转目标追踪，目前b站讲的最好的【时间序列预测】！国内顶尖学府北大强推的 LSTM+Informer时间序列预测源码解读+时间序列airma模型—pandas/机器，免费送ChatGPT账号啦https://www.bilibili.com/video/BV1p24y1n7M6/?spm_id_from=444.41.list.card_archive.click&vd_source=dbab91d49299bee362c0be8725a8da70