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
二、测试验证
git clone
仓库到本地
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
- 编译安装
bash build_rk3588_yolov5.sh
- 测试
bash test_rk3588_yolov5.sh
三、rknn
部署自己的模型和项目
- 将导出的
rknn
模型,放到assets
文件夹下; - 修改
assets/labels_list.txt
文件,将训练的目标类别名称分行存储; - 添加测试图片到
assets
文件夹下; - 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
- 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