rk3588 retianface 部署 c++ 实现下载

weixin_39821051 2023-11-17 11:00:48

retinaface 是人脸检测算法源码地址https://github.com/biubug6/Pytorch_Retinaface，本项目实现此模型的 onnx到rknn模型的转换，用c++写前后推理，人脸检测结果和Python的推理结果相同。 , 相关下载链接：https://download.csdn.net/download/weixin_42140974/88494933?utm_source=bbsseo

...全文

12 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

retinaface 是人脸检测算法源码地址https://github.com/biubug6/Pytorch_Retinaface，本项目实现此模型的 onnx到rknn模型的转换，用c++写前后推理，人脸检测结果和Python的推理结果相同。

Docker容器主要用来进行模型转换，也就是pt转onnx的过程，因此docker中需要用的的包主要是rockchip-yolov8,需要修改该代码，进行模型的转换，在linux服务器上安装docker环境，创建一个ubuntu系统的docker环境。，C++的部署的代码参考的里面都有，我自己这边只是根据自己的项目做了集成，如有需要可私信。这一部分的修改代码参考山水无移大哥的部署过程，贼清洗，膜拜一下，少走了很多弯路，直接贴上。（3）yolov8_onnx2rknn：在（2）的基础上转检测rknn模型。

将rknn_model_zoo 工程文件下载，之前在采用yolov5部署在rk3588上时采用的是rockchip官方rknpu2工程，注意：此工程（rknn_model_zoo）可以部署yolov5~yolov8,yolovx。在开发板端下载rknn_model_zoo 工程,执行以下命令即可，其中的路径改为自己当前的路径。我的路径为： /home/rock/src/ultralytics_yolov8-main。下载rockchip版本的yolov8->ultralytics_yolov8。

RK3588部署YOLOv8视频目标检测教程：高效实现目标识别【下载地址】RK3588部署YOLOv8视频目标检测教程 RK3588部署YOLOv8视频目标检测教程本资源文件提供了一个详细的教程，指导如何在RK3588平台上部署YOLOv8进行视频目标检测 ...

在人工智能和计算机视觉领域，人体姿态估计是一项极具挑战性的任务，它对于理解人类行为、增强人机交互等方面具有重要意义。YOLOv8Pose作为YOLO系列中的新成员，以其高效和准确性在人体姿态估计任务中脱颖而出。本文将详细介绍如何在瑞芯微RK3588平台上，使用RKNN（Rockchip Neural Network Toolkit）框架部署YOLOv8Pose模型，并进行C++代码的编译和运行。注本文全部代码、数据、模型、库，均已放置在文末的百度云盘链接里

下载资源悬赏专区

13,655

社区成员

12,654,255

社区内容

发帖

与我相关

我的任务

其他技术论坛（原bbs）

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章