10.python读取终端的rknn模型

已于 2024-01-31 17:06:44 修改
阅读量522 收藏 10
点赞数 12
分类专栏： 6.车辆智能 文章标签： 前端 linux javascript
于 2024-01-04 15:38:22 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/weixin_71719718/article/details/135388543
版权

直接读取终端模型的代码如下：

import cv2
import subprocess
import sys
import os
import time
 
 
start=time.time()
p = subprocess.run(['./rknn_yolov5_demo', './model/RK3588/best.rknn', './model/bus.jpg'],capture_output=True).stdout

print("................................")
outputs=str(p).split("@")
for item in outputs:
    print(item)


end=time.time()
print(end-start)

       当然，我们在读取终端模型时，需要获得模型的类及坐标和精度，并且根据自己选中的类对图片中的目标画框并标注出类的名称和精度。检测一张的图片的代码如下（检测视频或者摄像头视频时把图片路径修改成视频取帧的路径即可）：
 

import cv2
import subprocess
import sys
import os
import time
import matplotlib.pyplot as plt

start=time.time()
p = subprocess.run(['./rknn_yolov5_demo', './model/RK3588/best.rknn', './model/bus.jpg'],capture_output=True).stdout

print("................................")
outputs=str(p).split("@")
print("====>",len(outputs))

classes=[]
if len(outputs)>3:
    s1=outputs[1].split("\\")[-1][1:]
    s2=outputs[-1].split("\\")[0]
    #print(s1) 
    #print(s2)
    classes.append(s1)
    for i in range(2,len(outputs)-1):
        #print(outputs[i].split("\\"))
        classes.append(outputs[i].split("\\")[0])
        classes.append(outputs[i].split("\\")[1][1:])
    classes.append(s2)
#print("..............................................................")
#print(classes)
num_class=[]
if len(classes)>2:
    for i in range(0,len(classes)-1,2):
        num_class.append(classes[i:i+2])

print("..............................................................")
print(num_class)

if len(num_class)>0:
    img=cv2.imread(r"model/bus.jpg")#读取要检测的图片，后面对该图片标注检测的结果
    for item in num_class:
        index1=item[1].split(")")[0][2:].split(" ")
        index2=item[1].split(")")[1]
        #print(index1,index2)
        
        a=(int(index1[0]),int(index1[1]))
        b=(int(index1[2]),int(index1[3]))
        print(a,b)
        cv2.rectangle(img, a, b, (0, 255, 0), 2)
        
        c=item[0]
        d=float(index2)
        font=cv2.FONT_HERSHEY_SIMPLEX
        imgzi = cv2.putText(img, '{} {:.3f}'.format(c,d), (a[0], a[1]), font, 0.5, (0, 255, 255), 1)  
        
cv2.imwrite('1.jpg',img)#检测结果的图片的保存路径
end=time.time()
print(end-start)

以上代码的标注结果如下：

    测试摄像头视频的代码如下：

# coding:utf-8

import cv2
import subprocess
import sys
import os
import time
import matplotlib.pyplot as plt

def mm():

    start=time.time()
    p = subprocess.run(['./rknn_yolov5_demo', './model/RK3588/best.rknn', './hh.jpg'],capture_output=True).stdout
    
    print("................................")
    outputs=str(p).split("@")
    print("====>",len(outputs))
    
    classes=[]
    if len(outputs)<3:
        classes=[]
    elif len(outputs)==3:
        s1=outputs[1].split("\\")[-1][1:]
        s2=outputs[-1].split("\\")[0]
        classes.append(s1)
        classes.append(s2)
    
    elif len(outputs)>3:
        s1=outputs[1].split("\\")[-1][1:]
        s2=outputs[-1].split("\\")[0]
        #print(s1) 
        #print(s2)
        classes.append(s1)
        for i in range(2,len(outputs)-1):
            #print(outputs[i].split("\\"))
            classes.append(outputs[i].split("\\")[0])
            classes.append(outputs[i].split("\\")[1][1:])
        classes.append(s2)
    #print("..............................................................")
    print(classes)
    num_class=[]
    if len(classes)>0:
        for i in range(0,len(classes)-1,2):
            num_class.append(classes[i:i+2])
    
    print("..............................................................")
    print(num_class)
    img=cv2.imread(r"hh.jpg")
    if len(num_class)>0:
        
        for item in num_class:
            index1=item[1].split(")")[0][2:].split(" ")
            index2=item[1].split(")")[1]
            #print(index1,index2)
            
            a=(int(index1[0]),int(index1[1]))
            b=(int(index1[2]),int(index1[3]))
            print(a,b)
            cv2.rectangle(img, a, b, (0, 255, 0), 2)
            
            c=item[0]
            d=float(index2)
            font=cv2.FONT_HERSHEY_SIMPLEX
            imgzi = cv2.putText(img, '{} {:.3f}'.format(c,d), (a[0], a[1]), font, 0.5, (0, 255, 255), 1)  
            
    cv2.imwrite('1.jpg',img)
    end=time.time()
    print(end-start)
    cv2.imshow("src_image", img)

    cv2.waitKey(1)


cap = cv2.VideoCapture("/dev/video61")

index = 1

while (cap.isOpened()):

    ret, frame = cap.read()
    
    frame = cv2.rotate(frame, 0, dst=None)  # 视频是倒着的，要对视频进行两次90度的翻转
    
    frame = cv2.rotate(frame, 0, dst=None)  # 视频是倒着的，要对视频进行两次90度的翻转
    
    if index%8==0:
        cv2.imwrite("hh.jpg",frame)
        
        start=time.time()
        mm()

        end=time.time()
        print(end-start)
      
    index+=1
    
    #cv2.imshow("src_image", frame)

    #cv2.waitKey(1)

用进程检测图片的代码如下：

# coding:utf-8

import cv2
import subprocess
import sys
import os
import time
import matplotlib.pyplot as plt
from threading import Thread
import multiprocessing


def mm():
    start=time.time()
    p = subprocess.run(['./rknn_yolov5_demo', './model/RK3588/best.rknn', './hh.jpg'],capture_output=True).stdout
    
    outputs=str(p).split("@")
    print("====>",len(outputs))
    
    classes=[]
    if len(outputs)<3:
        classes=[]
    elif len(outputs)==3:
        s1=outputs[1].split("\\")[-1][1:]
        s2=outputs[-1].split("\\")[0]
        classes.append(s1)
        classes.append(s2)
    
    elif len(outputs)>3:
        s1=outputs[1].split("\\")[-1][1:]
        s2=outputs[-1].split("\\")[0]
        #print(s1) 
        #print(s2)
        classes.append(s1)
        for i in range(2,len(outputs)-1):
            #print(outputs[i].split("\\"))
            classes.append(outputs[i].split("\\")[0])
            classes.append(outputs[i].split("\\")[1][1:])
        classes.append(s2)
    #print("..............................................................")
    print(classes)
    num_class=[]
    if len(classes)>0:
        for i in range(0,len(classes)-1,2):
            num_class.append(classes[i:i+2])
    
    print("..............................................................")
    print(num_class)
    img=cv2.imread(r"hh.jpg")
    if len(num_class)>0:
        
        for item in num_class:
            index1=item[1].split(")")[0][2:].split(" ")
            index2=item[1].split(")")[1]
            #print(index1,index2)
            
            a=(int(index1[0]),int(index1[1]))
            b=(int(index1[2]),int(index1[3]))
            print(a,b)
            cv2.rectangle(img, a, b, (0, 255, 0), 2)
            
            c=item[0]
            d=float(index2)
            font=cv2.FONT_HERSHEY_SIMPLEX
            imgzi = cv2.putText(img, '{} {:.3f}'.format(c,d), (a[0], a[1]), font, 0.5, (0, 255, 255), 1)  
            
    cv2.imwrite('ss.jpg',img)
    end=time.time()
    


cap = cv2.VideoCapture("/dev/video61")

index = 1

while (cap.isOpened()):


    ret, frame = cap.read()
    
    frame = cv2.rotate(frame, 0, dst=None)  # 视频是倒着的，要对视频进行两次90度的翻转
    
    frame = cv2.rotate(frame, 0, dst=None)  # 视频是倒着的，要对视频进行两次90度的翻转
    
    cv2.imwrite("hh.jpg",frame)
        
    start=time.time()
    #t = Thread(target=mm)
    processes = []
    if index%8==0:
    
      myprocess = multiprocessing.Process(target=mm)
      processes.append(myprocess)
      processes[-1].daemon = True
      processes[-1].start()
    
    #t.run()

    end=time.time()
    print(end-start)
      
    index+=1
    
    frames=cv2.imread("ss.jpg")
    
    if frames is not None:
    
      cv2.imshow("src_image", frames)

      cv2.waitKey(1)
    else:
      cv2.imshow("src_image", frame)
      cv2.waitKey(1)

YANQ662
关注
  • 12
    点赞
  • 踩
  • 10
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
rknn-toolkit推理yolov5-face.rknn模型--python代码
cumtchw
03-08 2335
import os import urllib import traceback import time import sys import numpy as np import cv2 from rknn.api import RKNN ONNX_MODEL = 'yolov5s.onnx' RKNN_MODEL = 'yolov5s.rknn' IMG_PATH = './bus.jpg' DATASET = './dataset.txt' QUANTIZE_ON = True BOX_THR.
详解python文件的读取与模型保存
weixin_43178406的博客
07-10 1万+
本文主要介绍了python文件的读取与模型保存，希望能对新手有所帮助。 文章目录 1. 文件的打开、读、写等 1.1 文件打开(open) 1.2 open_mode 1.3 file对象 1.4 打开文件的几种常见方式（代码） 2. 数据、文件的保存 2.1 pickle保存数据 2.2 pickle保存模型 2.3 sklearn.externals import joblib保存模型
RKNN 工具使用-python
dongdonglele521的博客
03-14 1636
quantized_method 支 持 layer 或 channel ， 用 于 每 层 的 权 重 是 否 共 享 参 数 ， 默 认 为。data_format ： 输 入 数 据 的 layout 列 表 ， 只 对 4 维 的 输 入 有 效 ， 格 式 为 “NCHW” 或。询 RKNN_QUERY_CUSTOM_STRING 得到该信息，方便部署时根据不同的 RKNN 模。默认值为 False。quantized_algorithm 用于指定计算每一层的量化参数时采用的量化算法，可以选择。
模型部署——rknn-toolkit-lite2部署RKNN模型到开发板上（python版）
qq_40280673的博客
03-07 5925
rknn-toolkit-lite2部署RKNN模型到开发板上
模型部署——RKNN模型的评估和推理测试（附代码）
qq_40280673的博客
02-25 5659
RKNN模型的评估和推理测试
部署yolov9的rknn模型python源码+模型+部署说明.zip
05-15
部署yolov9的rknn模型python源码+模型+部署说明.zip部署yolov9的rknn模型python源码+模型+部署说明.zip部署yolov9的rknn模型python源码+模型+部署说明.zip部署yolov9的rknn模型python源码+模型+部署说明.zip部署...
【课程设计】部署yolov9的rknn模型python源码+模型+部署说明.zip
最新发布
05-16
5. **Python接口编程**：使用提供的Python源码，学习如何在Python环境中调用RKNN模型进行推理。这涉及到导入RKNN库、加载模型、输入数据预处理、推理执行及结果后处理。 6. **部署说明**：理解部署过程中的注意事项...
2.Python读取excel数据
weixin_42225867的博客
06-18 7779
2.Python读取excel数据2.1 xlrd介绍2.1.1 xlrd是什么?2.1.2 xlrd安装2.2 xlrd使用2.2.1 xlrd导入2.2.2 Python操作工作簿2.2.3 Python操作工作表2.2.4 Python读取excel行数据2.2.5 Python读取excel列数据2.2.6 Python读取excel单元格数据2.2.7 excel合并后的单元格获取2.3 示例 2.1 xlrd介绍 2.1.1 xlrd是什么? xlrd是一个用于从Excel文件（无论是.xl
1.rk3588的yolov5运行：pt_onnx_rknn转换及rknn在rk3588系统python运行
weixin_71719718的博客
11-17 3361
第一步将pt文件转换为了onnx文件，这里开始将onnx文件转换为rknn文件，这步转换我们需要搭建ubuntu20.04的虚拟环境，然后在ubuntu20.04的虚拟环境下转换（我开始用的ubuntu18.04的虚拟环境，但转换失败，所以大家还是乖乖的用ubuntu20.04吧）（3）也可以修改'--iou-thres'和'--conf-thres'参数，该参数是yolov5的置信度，会影响模型最终检测的精度，但不会影响pt文件转换为onnx文件的成功与否。我们在终端运行以下代码解除文件权限即可。
RKNN DataSet 批处理Python文件
08-26
RKNN DataSet 批处理Python文件
2021-08-09 python rknn 接口 注释
weixin_44148981的博客
08-09 203
1/ 下面一样
RKNN模型部署（2）——环境配置
机器人涮火锅的博客
01-11 4978
RKNN支持许多框架训练的模型，但由于本人目前主要使用pytorch框架来训练模型，因此该部署教程是以Pytorch模型部署过程为例进行说明，后面再继续补充ONNX模型部署过程。
AI-新手玩转RKNN
ansondroider的博客
05-27 6608
RKNN 是 Rockchip npu 平台使用的模型类型，以.rknn后缀结尾的模型文件。Rockchip 提供了完整了模型转换 Python 工具，方便用户将自主研发的算法模型转换成 RKNN 模型，同时 Rockchip 也提供了C/C++和Python API 接口。
模型部署——使用rknn-toolkit将Pytorch模型转为RKNN模型（详细图文教程）
qq_40280673的博客
02-24 4601
使用rknn-toolkit将Pytorch模型转为RKNN模型
RKNN模型部署（3）—— 模型转换与测试
热门推荐
机器人涮火锅的博客
01-13 1万+
将pth模型转换成rknn模型，然后调用rknn模型进行测试
rknn（rknpu）使用笔记
yuanlulu的博客
07-18 8222
最近使用rknpu做了一些工作，这里记录下自己遇到的一些问题，希望对其他人有帮助，
yolov5s的pt文件转换成rknn（在rk3399pro用python环境运行）
qq_26847897的博客
02-06 902
rknn python
RK3399学习笔记 1.0.3---python环境 Firefly Core-3399pro-jd4 Win10上RKNN工具安装
Lxbbdxg的博客
06-17 903
Core-3399pro-jd4 Win10上RKNN工具安装
pytorch模型转换为rknn模型，使用npu推理
振华OPPO的博客世界
10-24 7221
然后在rknn文件夹下，找到onnx2rknn.py、dataset.txt和coco2017数据集，将它们复制到新的文件夹中，作为rknn模型转换目录。🎼量化精度分析：该功能将给出模型量化前后每一层推理结果与浮点模型推理结果的余弦距离，以便于分析量化误差是如何出现的，为提高量化模型的精度提供思路。🏋性能和内存评估：将 RKNN 模型分发到指定 NPU 设备上运行，以评估模型在实际设备上运行时的性能和内存占用情况。pt模型的输入图像的通道一定要和转换时的图像通道数相同，对于RGB图像肯定是3通道。
rknn.load_rknn
09-03
您好！对于CSDN开发的ChatGPT AI，我可以理解您的问题是关于如何使用`rknn.load_rknn`函数加载RKNN模型。这是一个用于加载RKNN模型的函数。通过使用`rknn.load_rknn`函数，您可以将RKNN模型加载到您的代码中以进行后续操作。 加载RKNN模型的示例代码如下： ```python import rknn # 创建RKNN对象 rknn = rknn.RKNN() # 加载RKNN模型 ret = rknn.load_rknn(model_path='your_model.rknn') # 检查RKNN模型加载状态 if ret != 0: print('加载RKNN模型失败') exit print('成功加载RKNN模型') ``` 请替换`'your_model.rknn'`为您要加载的RKNN模型的路径。在执行`rknn.load_rknn`函数后，您可以使用`ret`变量来检查模型的加载状态。如果`ret`值为0，表示成功加载了RKNN模型；如果不为0，则表示加载失败。 希望以上信息对您有所帮助！如果您有任何其他问题，请随时提问。
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
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