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
程序猿编码7 小时前
YOLOv5/v7/YOLOX 全支持:基于 TensorRT 的工业视觉推理底座详解
c++·yolo·机器学习·推理·模型推理
代码山河8 小时前
图像基础:HSV颜色空间详解及颜色提取实战
opencv·目标检测·计算机视觉·教程
小豆庄9 小时前
视频脱敏引擎的追踪难题:转场误判定、ID撞号和淡入窗口
qt·算法·目标检测·音视频·视频·敏捷流程
JulyLi20191 天前
yolo检测适配昇腾Atlas300IDuo笔记
yolo·1024程序员节
IT研究室1 天前
最新计算机毕业设计选题推荐-基于深度学习的面部关键特征识别与检测-运行部署-文档指导-深度学习-YOLO
人工智能·深度学习·yolo·课程设计
代码山河2 天前
入门实战:用OpenCV实现图像的亮度与对比度调整
opencv·目标检测·计算机视觉·教程
ShiMetaPi2 天前
182X 模型调用详解:像调云端 API 一样用 OpenAI 接口跑板端模型
边缘计算·rk3588·rk1820
小豆庄2 天前
本地视频脱敏的追踪系统踩坑——车牌过滤、转场误判与ID冲突排查
人工智能·算法·目标检测·音视频·视频·敏捷流程·纹理贴图
AI棒棒牛2 天前
基于 IDEAL 思想的 YOLO26 双分支适配:差异证据与不确定性门控,RGB+IR双分支创新!
人工智能·深度学习·yolo·目标检测·yolo26
惊鸿一博2 天前
目标检测指标评估_mAP(mean Average Precision平均精度均值)计算方法
人工智能·目标检测·均值算法