YOLOV5/rknn生成可执行文件部署在RK3568上

接上一篇文章best-sim.rknn模型生成好后,我们要将其转换成可执行文件运行在RK3568上,这一步需要在rknpu上进行,在强调一遍!!rknpu的作用是可以直接生成在开发板上运行的程序

退出上一步的docker环境

cs 复制代码
exit

1.复制best-sim.rknn

复制到这个下面将其重命名为yolov5s-640-640.rknn

~/rknpu2-1.4.0/examples/rknn_yolov5_demo/model/RK356X/yolov5s-640-640.rknn

cs 复制代码
cp ~/rknn/rknn-toolkit2-1.4.0/examples/onnx/yolov5/best-sim.rknn  ~/rknpu2-1.4.0/examples/rknn_yolov5_demo/model/RK356X/yolov5s-640-640.rknn

2.安装编译器

cs 复制代码
sudo apt-get install gcc g++ cmake

3.安装交叉编译链

交叉编译64位ARM架构的程序。

cs 复制代码
sudo apt install gcc-aarch64-linux-gnu g++-aarch64-linux-gnu

4.修改 postprocess.h文件

进入到该目录下

cs 复制代码
cd rknpu2-1.4.0/examples/rknn_yolov5_demo/include
ls

修改为自己识别的CLASS_NUM,我识别种类只有一个就是车,和data.yaml中的类别数相同,因此为1

5.拷贝测试图片02.jpg

首先进入该目录

cs 复制代码
cd ~/rknpu2-1.4.0/examples/rknn_yolov5_demo/model/

拷贝图片

cs 复制代码
sudo cp ~/rknn/rknn-toolkit2-1.4.0/examples/onnx/yolov5/02.jpg 02.jpg

对 coco_80_labels_list.txt进行备份

cs 复制代码
  cp coco_80_labels_list.txt  coco_80_labels_list_.txt

6.修改 coco_80_labels_list.txt文件

打开该文件并将里面的内容修改为自己的类别,我的是car

cs 复制代码
vim vim  coco_80_labels_list.txt

7.运行 ./build-linux_RK356X.sh

进入该目录下

cs 复制代码
cd ~/rknpu2-1.4.0/examples/rknn_yolov5_demo

运行后出现上述错误,该错误表示上传的照片没有用户权限运行以下命令

cs 复制代码
cd model
sudo chmod 777 02.jpg
cd ..
./build-linux_RK356X.sh

运行成功后

最后生成的文件存放在Install文件夹中,这个文件夹是需要我们往开发板上复制的文件夹。

8.生成install压缩文件

cs 复制代码
 zip -r install.zip install/

上传install.zp

cs 复制代码
sz install.zip
相关推荐
B站计算机毕业设计之家2 小时前
智慧交通项目:Python+YOLOv8 实时交通标志系统 深度学习实战(TT100K+PySide6 源码+文档)✅
人工智能·python·深度学习·yolo·计算机视觉·智慧交通·交通标志
听风吹雨yu7 小时前
RK3588从数据集到训练到部署YoloV8
linux·yolo·开源·rk3588·rknn
weixin_4569042712 小时前
YOLOv11安卓目标检测App完整开发指南
android·yolo·目标检测
B站计算机毕业设计之家14 小时前
智能监控项目:Python 多目标检测系统 目标检测 目标跟踪(YOLOv8+ByteTrack 监控/交通 源码+文档)✅
python·yolo·目标检测·目标跟踪·智慧交通·交通·多目标检测
深瞳智检1 天前
YOLO算法原理详解系列 第002期-YOLOv2 算法原理详解
人工智能·算法·yolo·目标检测·计算机视觉·目标跟踪
szxinmai主板定制专家1 天前
基于 ZYNQ ARM+FPGA+AI YOLOV4 的电网悬垂绝缘子缺陷检测系统的研究
arm开发·人工智能·嵌入式硬件·yolo·fpga开发
飞翔的佩奇2 天前
【完整源码+数据集+部署教程】 水果叶片分割系统: yolov8-seg-dyhead
人工智能·yolo·计算机视觉·数据集·yolov8·yolo11·水果叶片分割系统
Hcoco_me2 天前
YOLO入门教程(番外):目标检测的一阶段学习方法
yolo·目标检测·学习方法
七芒星20232 天前
多目标识别YOLO :YOLOV3 原理
图像处理·人工智能·yolo·计算机视觉·目标跟踪·分类·聚类
深瞳智检2 天前
YOLO算法原理详解系列 第007期-YOLOv7 算法原理详解
人工智能·算法·yolo·目标检测·计算机视觉·目标跟踪