目标检测6:采用yolov8, RK3568推理的性能

最近有个小伙伴,问我rk3568上推理图片,1秒能达到多少?

本次采用模型为yolov8s.rknn,作了一次验证。

解析一段视频文件,1280*720, fps 24。读取视频文件,然后进行推理。

通过性能优化,发现推理,稳定的达到了FPS 13左右,NPU利用率在90%上下浮动。

根据官方的数据,yolov8s模型的性能在15.4 FPS。所以基本上也吻合了这个数据。

如果用yolov8n的话,实时推理15fps的视频流,低时延输出,在rk3568上应该是流畅的。

再压榨一下,NPU能达到97%,CPU占用243%,整体上FPS也没啥提升空间了。

相关推荐
阿_旭8 分钟前
【YOLOv9教程】如何使用YOLOv9进行图像与视频检测
人工智能·深度学习·目标检测·ai·yolov9
阿_旭3 小时前
超越YOLO! RT-DETR 实时目标检测技术介绍
人工智能·深度学习·yolo·目标检测·rt-detr
蓝田生玉12318 小时前
YOLO-world论文阅读笔记
论文阅读·笔记·yolo
hurryddd19 小时前
RK3568 GPU介绍及使用
gpu·rk3568·瑞芯微
小哥谈21 小时前
基于改进YOLOv5s的跌倒行为检测 | 引入SKAttention注意机制 + 引入空间金字塔池化结构SPPFCSPC + 结合ASFF自适应空间融合
人工智能·深度学习·神经网络·yolo·目标检测·机器学习·计算机视觉
2401_8574245221 小时前
sklearn中的Pipeline:构建无缝机器学习工作流
目标检测·sklearn·ipython
Yuannau_jk1 天前
[目标检测]labelme标注数据转yoloV8需要的.txt格式
人工智能·yolo·目标检测
2401_858120531 天前
卷积神经网络:目标检测的黄金钥匙
人工智能·目标检测·cnn
2401_857424521 天前
上下文之光:目标检测中的性能提升秘籍
人工智能·目标检测·计算机视觉
杨哥带你写代码1 天前
级联目标检测:构建高效目标识别的多阶段策略
人工智能·目标检测·目标跟踪