CenterNet 瑞芯微RKNN、地平线Horizon芯片部署、TensorRT部署、C++部署

已于 2024-05-22 17:14:33 修改
阅读量319 收藏 1
点赞数 5
文章标签： 目标检测 c++ python
于 2024-05-22 16:38:50 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/zhangqian_1/article/details/139123233
版权

   本来想部署基于CenterNet的单目3D目标检测，看到3D目标检测后处理感觉有点复杂，觉得还是需要把CenterNet 给手撸一遍，再去梳理3D的后处理，花了一点时时间看懂CenterNet后处理后，直接上手开撸。

【完整代码】代码和模型

【rknn C++板端部署】完整代码

1 导出onnx

   模型和后处理运行快的关键一步是导出比较好的onnx模型，最终导出的形式如下图。
在这里插入图片描述

2 onnx 测试效果

在这里插入图片描述

3 时耗参考

   模型输入1280x384，检测类别3类，模型的 backbone 为 dla34，模型计算量为 79.52 G。模型有这么大的计算量，推理时耗长也在预料之中。

   TensorRT部署推理（显卡 Tesla V100、cuda_11.0）。
在这里插入图片描述

   rk3588 上时耗：【C++代码参考】
在这里插入图片描述

山水无移-ZhangQian
关注
  • 5
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
36、RK3399Pro 环境搭建和Yolov5 c++调用opencv进行RKNN模型部署和使用
sxj731533730
08-23 6062
在上一篇博客基础上，进一步配置rknn-toolit，但是我想把 PC的rknn-toolkit也安装在开发板上，这样就在开发板上进行操作即可。第一步：因为系统是python3.8,因为官方没有提供python3.8的rknn的版本，需要安装anconda环境构建python3.6。链接: https://pan.baidu.com/s/1hrcr8Fc2sboD1_uy8T1Z8Q 提取码: e4wq。下载anconda包，进行安装成功，然后构建环境。第二步:参考上一篇博客。...
Monodle centerNet3D 瑞芯微RKNN、地平线Horizon芯片部署、TensorRT部署
zhangqian_1的博客
05-24 477
monodle、3D目标检测、centerNet
yolov9 瑞芯微 rknn 部署 C++代码
zhangqian_1的博客
02-27 1137
yolov9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。
yolov8 瑞芯微 RKNN 的 C++部署
zhangqian_1的博客
06-09 8727
上一篇博客写了在rknn模型的转换与PC端仿真测试，有网友希望写一篇在板子上部署的博文和开源提供C++代码。这一篇基于rknn板子进行C++部署，并开源提供完整的源代码和模型，供网友自行进行测试验证。
yolov8pose 瑞芯微 RKNN 的 C++部署
zhangqian_1的博客
09-25 2934
上两篇博客和写了yolov8检测的C++部署和yolov8pose仿真部署。有网友希望开源yolov8pose在板子上部署的C++代码。这一篇写写基于rknn板子对yolov8pose进行C++部署，并开源提供完整的代码、模型、使用流程，供网友自行进行测试验证。【完整代码】
yolov8 瑞芯微 RKNN 的 C++部署，部署工程难度小、模型推理速度快
zhangqian_1的博客
01-11 3136
之前写过两次yolov8目标检测部署，后续继续思考，针对部署还有优化空间，本示例的部署方式优化了部署难度，加快了模型推理速度（略微增加了后处理的时耗）。【完整代码】
算法部署-将YOLOv9移植部署到不同平台-支持ONNX+TensorRT+RKNN+Horizon平台-优质算法部署项目实战
03-15
在本项目实战中，我们将深入探讨如何将YOLOv9对象检测算法移植并部署到不同的硬件平台上，包括利用ONNX、TensorRT、RKNN以及Horizon等工具进行优化。这是一次全面了解算法部署流程与优化策略的绝佳机会，旨在提高...
算法部署-在地平线Horizon芯片上部署YOLOv8-obb旋转目标检测算法-附量化+模型转换+推理代码+效果展示-优质项目
06-25
算法部署_在地平线Horizon芯片上部署YOLOv8-obb旋转目标检测算法_附量化+模型转换+推理代码+效果展示_优质项目实战
kodi20皮肤，地平线2.0完整安装包（Arctic Horizon 2.0 ）
02-20
"地平线2.0"是一款专为Kodi 20设计的皮肤，名为Arctic Horizon 2.0，它提供了全新的视觉效果和用户体验。 一、地平线2.0皮肤特点 地平线2.0皮肤采用了现代化的设计风格，强调简洁与直观。它提供了一种沉浸式的浏览...
open-horizon.github.io:打开地平线网站
08-04
为 Open Horizo​​n Pages 做贡献 如果您想投稿，请阅读以下内容。 本文档包含许多提示和指南，可帮助您保持井井有条。 我们感谢并认可所有贡献者... cd open-horizon.github.io 现在使用git checkout命令创建一个分
rk3588 retianface 部署 c++ 实现
11-02
retinaface 是人脸检测算法 源码地址https://github.com/biubug6/Pytorch_Retinaface，本项目实现此模型的 onnx到rknn模型的转换，用c++写前后推理，人脸检测结果和Python的推理结果相同。
yolov5+Deepsort部署于rk3588和rk3399pro开发板C++完整源码(车辆行人跟踪)+模型+部署文档.zip
05-10
yolov5+Deepsort算法部署于rk3588和rk3399pro开发板C++完整源码(车辆行人检测跟踪)+rknn模型+操作说明文档.zip 【资源介绍】 改善了边界框漂移, 完善了当图中没有目标等其他情形出现的bug, 增加了对cost matrix出现nan时的处理 加入了隔帧检测的功能. 设置方法: 在./yolov5/include/detect.h中 将 const int det_interval = 1;改成期望的数值, 例如3, 表示每隔3帧检测一次, 这样可以显著提升速度. 同时, 也需要更改./deepsort/include/deepsort.h中line 39的const int track_interval = 1; , 数值要和检测的保持一致. 加入Re-ID多线程的功能 如果您不希望使用多线程, 则在./deepsort/src/deepsort.cpp中line 144的if (numOfDetections < 2) 改成if (true) 更多详细介绍请查看资源内的项目说明。按照步骤操作使用
地平线：架构创新BPU 算法 芯片 云一体化.pdf
07-26
地平线：架构创新BPU 算法 芯片 云一体化.pdf
将yolov5s模型部署到rknn(c++环境)
qq_26847897的博客
02-06 1354
rknn模型转换 c++部署 边缘计算
yolov8obb 旋转目标检测 瑞芯微 rknn rk3588 部署 C++代码
最新发布
zhangqian_1的博客
07-16 465
yolov8obb 旋转目标检测rknn的C++部署。直接上代码和模型，欢迎参考交流。
在ubuntu下将Pytorch模型部署到c++（三）（rknn模型量化）（已完结）
wphnewbie的博客
09-04 2461
1
52、人脸检测部署RK3399 PRO，完成RKNN的人脸检测
sxj731533730
12-02 1937
基本思想：帮助好友部署一个人脸检测模型，也是自己业务需求，部分代码来自好友陈同学，自己改了改c++的代码可以部署rk3399pro上了，其它资料见附录吧。链接: https://pan.baidu.com/s/1MSZG-XeIFmBfYJwUMThzDQ?pwd=1ujq 提取码: 1ujq。一、测试mnn效果,其中mnn直接搬运了大佬参考附录一。二、测试rknn效果。
目标检测 YOLOv5 - v6.2版本模型在瑞芯微 Rockchip设备从训练到C++部署实践
flyfish
10-13 1803
目标检测 YOLOv5 - v6.2版本模型在瑞芯微 Rockchip设备从训练到C++部署实践flyfish源码地址Rockchip 支持 YOLOv5 v6.2 从训练到C++部署的全链条开发，包括。
yolov8部署rk588
09-13
要将yolov8部署到rk588芯片上，您可以参考以下步骤： 1. 首先，您可以使用官方开源的yolov8训练代码，并将其中的SiLU激活函数改为ReLU，以适应一些板端芯片的限制。 2. 接下来，您需要将训练好的yolov8模型导出为ONNX格式，以便在接下来的步骤中使用。 3. 您可以参考rk3588芯片的C代码模型和时耗，以了解如何在该芯片上运行yolov8模型。 4. 对于yolov8seg模型的部署，您可以根据相应的部署指南进行操作。 5. 如果您要在瑞芯微RKNN和地平线Horizon芯片上进行仿真测试部署，可以使用yolov8官方模型，按照相应的指南进行操作。 6. 最后，您可以根据rknn板端C部署指南将yolov8部署到rk588芯片上。 请注意，具体的部署步骤可能因不同的环境和需求而有所差异。因此，在实际操作中，请参考官方文档和相关指南以获得更详细的信息和指导。希望这些信息对您有所帮助！
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