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
QQ676580081 天前
基于深度学习YOLO的苹果采摘点图像识别 苹果枝条分割识别 苹果分割检测 苹果茎叶分割识别 果园自动化采摘设备目标识别算法第10386期
深度学习·yolo·自动化·苹果采摘点图像·苹果枝条分割·苹果茎叶分割·果园自动化采摘设备
QQ676580082 天前
基于YOLO26算法的智慧农业橙子图像识别 橙子采摘识别 水果采摘识别 高清采摘过程图像识别 YOLO+voc个数据集第10410期
算法·yolo·橙子采摘·水果采摘识别·高清采摘过程图像识别
深度学习lover2 天前
<数据集>yolo 瓶盖识别<目标检测>
人工智能·python·yolo·计算机视觉·瓶盖识别
乔公子搬砖2 天前
告别识别率焦虑:视频 AI 工程化实战 —— 检测→判定→聚合→治理全链路拆解
人工智能·yolo·决策树·计算机视觉·视觉检测
这张生成的图像能检测吗2 天前
(论文速读)HDNet:通过学习突出显示前景对象的低光显著目标检测
图像处理·人工智能·目标检测·计算机视觉·低照度
满腹的小不甘2 天前
YOLO11改进:注意力魔改 | 微小目标检测 | 上下文增强和特征细化网络ContextAggregation,暴力涨点
人工智能·目标检测·计算机视觉
qxl_7999152 天前
PCB元件对位:相机采集+YOLO定位完整工程方案(含坐标转换公式)
数码相机·yolo·fpga开发
xiaoyaohou112 天前
013、Neck结构改进(一):BiFPN、ASFF等多尺度特征融合技术
yolo
泰恒3 天前
人工智能简述
人工智能·深度学习·yolo·机器学习·计算机视觉
jay神3 天前
大米杂质检测数据集(YOLO格式)
人工智能·深度学习·yolo·目标检测·毕业设计