目标检测 YOLOv5 - v6.2版本模型在瑞芯微 Rockchip设备从训练到C++部署实践_rockchip rknn

目标检测 YOLOv5 - v6.2版本模型在瑞芯微 Rockchip设备从训练到C++部署实践

flyfish

源码地址

https://github.com/shaoshengsong/rockchip_rknn_yolov5
1

Rockchip 支持 YOLOv5 v6.2 从训练到C++部署的全链条开发，包括

C++部署代码
pytorch模型转onnx代码
onnx模型转rknn代码

YOLOv5模型版本

模型导出环境
rknn-toolkit 1.7.1

部署环境
设备测试环境：RV1126
交叉编译环境：Ubuntu18.04

训练

从yolov5官网下载v6.2版本的源码进行训练

https://github.com/ultralytics/yolov5
1

模型导出

当一个yolov5_6.2模型训练完成后

1 pt模型 转 onnx

进入rockchip_rknn_yolov5\yolov5_6.2_export目录
执行

python export.py --weights yolov5s_v6.2.pt --img 640 --batch 1 --include onnx torchscript
1

yolov5s_v6.2.pt 是训练的模型，执行该命令后生成onnx模型
结果

export: data=data/coco128.yaml, weights=['yolov5s_v6.2.pt'], imgsz=[640], batch_size=1, device=cpu, half=False, inplace=False, train=False, keras=False, optimize=False, int8=False, dynamic=False, simplify=False, opset=12, verbose=False, workspace=4, nms=False, agnostic_nms=False, topk_per_class=100, topk_all=100, iou_thres=0.45, conf_thres=0.25, include=['onnx', 'torchscript']
YOLOv5 
声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/你好赵伟/article/detail/178143