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
格林威5 分钟前
工业相机如何通过光度立体成像技术实现高效精准的2.5D缺陷检测
人工智能·深度学习·数码相机·yolo·计算机视觉
羊羊小栈30 分钟前
基于「YOLO目标检测 + 多模态AI分析」的植物病害检测分析系统(vue+flask+数据集+模型训练)
人工智能·yolo·目标检测·毕业设计·创业创新·大作业
m_1368730 分钟前
YOLOv8 mac-intel芯片 部署指南
yolo
深度学习lover6 小时前
<数据集>yolo梨幼果识别数据集<目标检测>
python·yolo·目标检测·计算机视觉·数据集
格林威7 小时前
工业检测机器视觉为啥非用工业相机?普通相机差在哪?
人工智能·数码相机·yolo·计算机视觉·视觉检测·相机
格林威15 小时前
机器视觉检测的光源基础知识及光源选型
人工智能·深度学习·数码相机·yolo·计算机视觉·视觉检测
ShiMetaPi1 天前
操作【GM3568JHF】FPGA+ARM异构开发板 使用指南:蓝牙
arm开发·嵌入式硬件·fpga开发·rk3568
shao9185161 天前
Gradio全解11——Streaming:流式传输的视频应用(3)——YOLO系列模型技术架构与实战
yolo·coco·yolov10·yoloe
Francek Chen1 天前
【深度学习计算机视觉】03:目标检测和边界框
人工智能·pytorch·深度学习·目标检测·计算机视觉·边界框
JoinApper2 天前
目标检测系列-Yolov5下载及运行
人工智能·yolo·目标检测