【边缘设备】yolov5训练与rknn模型导出并在RK3588部署~5.模型部署（亲测有效）

一、环境准备
【边缘设备】yolov5训练与rknn模型导出并在RK3588部署~1.环境准备（亲测有效）

二、环境验证
【边缘设备】yolov5训练与rknn模型导出并在RK3588部署~2.环境验证（亲测有效）

三、yolov5 训练自己的模型
【边缘设备】yolov5训练与rknn模型导出并在RK3588部署~3.YOLOv5训练自己的模型（亲测有效）

四、导出模型
【边缘设备】yolov5训练与rknn模型导出并在RK3588部署~4.导出模型（亲测有效）

五、部署模型
【边缘设备】yolov5训练与rknn模型导出并在RK3588部署~5.模型部署（亲测有效）

一、rknn 模型的导出

请参考其他博客和仓库；

【边缘设备】yolov5训练与rknn模型导出并在RK3588部署（亲测有效）

训练与导出仓库

yolov5-rknn_dev

二、测试验证

1. git clone 仓库到本地

rk3588_yolov5_deploy

git clone https://github.com/wangqiqi/rk3588_yolov5_deploy.git

NOTE: 此处说的本地就是开发板，需要将开发板联网，并配置相关git信息

2. 编译安装

bash build_rk3588_yolov5.sh

3. 测试

bash test_rk3588_yolov5.sh

三、rknn 部署自己的模型和项目

1. 将导出的 rknn 模型，放到 assets 文件夹下；
2. 修改 assets/labels_list.txt 文件，将训练的目标类别名称分行存储；
3. 添加测试图片到 assets 文件夹下；
4. 根据项目需要，修改文件中相关信息

文件 yolov5/include/postprocess.h 中 line 7~11

#define OBJ_NAME_MAX_SIZE 16  // 最长目标名称
#define OBJ_NUMB_MAX_SIZE 64  // 最多目标个数
#define OBJ_CLASS_NUM 1       // 目标类别数--需要根据项目进行修改
#define NMS_THRESH 0.45       // NMS 阈值
#define BOX_THRESH 0.25       // 目标置信度

5. 编译安装与测试

bash build_rk3588_yolov5.sh

修改脚本test_rk3588_yolov5.sh 中不同的模型和测试图片

set -e

ROOT_PWD=$( cd "$( dirname $0 )" && cd -P "$( dirname "$SOURCE" )" && pwd )
INSTALL_DIR=${ROOT_PWD}/install

cd ${INSTALL_DIR}
./rk3588_yolov5 assets/drp.rknn assets/drp.png
cd -

然后执行

bash test_rk3588_yolov5.sh

四、清理

bash clean_all.sh