RKNN

【RKNN系列】常用函数：使用RGA加速画框

以下是针对convert_and_draw_rectangle函数的详细使用说明：convert_and_draw_rectangle函数功能在给定的图像数据上使用RGA（RockchipGraphicsAcceleration）绘制矩形框。语法IM_STATUSconvert_and_draw_rectangle(uint8_t*dst_data,intwidth,intheight,const
jcfszxc·2024-09-13 18:26

下载rknn-toolkit2项目

官网链接：https://github.com/airockchip/rknn-toolkit2安装好git：[[1.Git的安装]]下载项目：gitclonehttps://github.com/airockchip
jcfszxc·2024-09-13 18:25

3. 测试Docker镜像

运行命令进入Docker镜像：dockerrun-t-i--privileged\-v/dev/bus/usb:/dev/bus/usb\-v/path/to/your/project:/examples\rknn-toolkit2
jcfszxc·2024-09-13 18:25

下载安装RKNN的docker镜像

安装好docker：1.Docker的安装进入网盘，下载镜像文件：网盘链接：https://console.zbox.filez.com/l/I00fc3密码：rknn下载最新的版本，当前最新版本2.1.0
jcfszxc·2024-09-13 18:55

瑞芯微推理RKNN使用

Ubuntu22.04实践安装toolkit2安装命令pip3install-rxxx/packages/requirements_cp310-1.6.0.txtpip3installxxx/packages/rknn_toolkit2
AICVer·2024-02-07 20:30

【已解决】pt文件转onnx后再转rknn时得到推理图片出现大量锚框变花屏

前言环境介绍：1.编译环境Ubuntu18.04.5LTS2.RKNN版本py3.8-rknn2-1.4.03.单板迅为itop-3568开发板一、现象采用yolov5训练并将pt转换为onnx，再将onnx
zfenggo·2024-02-06 09:47

12. onnx转为rknn测试时有很多重叠框的修改（python）

我们下载rknn-toolkit2-master后并进行前面的处理后，进入到rknn-toolkit2-master\examples\onnx\yolov5文件夹，里面有个test.py文件，打开该文件
YANQ662·2024-02-05 15:42

onnx转换为rknn置信度大于1，图像出现乱框问题解决

前言环境介绍：1.编译环境Ubuntu18.04.5LTS2.RKNN版本py3.8-rknn2-1.4.03.单板迅为itop-3568开发板一、现象采用yolov5训练并将pt转换为onnx，再将onnx
zfenggo·2024-02-04 11:45

瑞芯微1808模型转换(onnx到rknn)环境配置过程

瑞芯微1808模型转换（onnx→\to→rknn）环境配置阅读本解决方案前，请读者确保已经根据官方的相关教程【rknn_model_zoo/common/rknn_converteratv1.5.0·
Midsummer啦啦啦·2024-01-31 07:41

yolo转rknn推理置信度大于1出现乱框怎么解决

使用yolov5-5.0版本，导出时修改了yolo.py文件中的forward如下，opset设置12可是推理结果完全不对，请大佬解惑。defforward(self,x):z=[]#inferenceoutputforiinrange(self.nl):x[i]=self.m[i](x[i])#conv#bs,_,ny,nx=x[i].shape#x(bs,255,20,20)tox(bs,3,
@银狼·2024-01-27 15:57

【工程项目】训练yolov5模型并转换为rknn部署到RK3588S开发板

一.部署概述环境：Ubuntu20.04、python3.8芯片：RK3568二.开发板刷系统进入官网，下载必要文件这里我选择下载ubuntu系统镜像。1.安装驱动进入DriverAssitant_v5.1.1文件夹，开始安装驱动。2.安装系统进入RKDevTool_Release_v2.93文件夹，启动开发工具。插上开发板电源，并通过typec接口与电脑连接当开发工具显示检测到ADB设备后，选择
jcfszxc·2024-01-27 15:51

玩转rk3588（二）：rknn模型转换、部署及性能测试，解决视频流处理高延时问题（二）

目录1、环境准备2、模型转换虚拟机环境准备生成onnx模型生成rknn模型3、rk3588部署4、解决opencv读取RTSP进行图像处理时，高延迟5、相关错误1、xxx.onnx模型转xxx.rknn
八级玄仙·2024-01-23 16:29

rk1126, 实现 yolov8 目标检测

基于RKNN1126实现yolov8目标检测Ⓜ️RKNN模型转换ONNXyoloexportmodel=.
J ..·2024-01-22 08:51

yolov5_master的下载、环境搭建、数据处理及训练全过程

本文借用了以下微博的文章，觉得写的比较全，所以照抄了过来，并且搭建了一遍可以正常训练，在这里作为笔记以后用的时候方便找，这个yolov5_master的使用可以将pth模型文件转换为onnx文件，进而转换为rknn
YANQ662·2024-01-19 23:36

yolov8seg 瑞芯微RKNN芯片、地平线Horizon芯片、TensorRT部署

  特别说明：参考官方开源的yolov8代码、瑞芯微官方文档、地平线的官方文档，如有侵权告知删，谢谢。  模型、测试图像、测试结果、完整代码，放在github上，参考链接模型和代码。  由于之前写了三篇yolov8检测部署板端芯片相关的博文，有网友让写一篇yolov8seg部署博客，一直迟迟未行动，最近忙中借闲匆匆对yolov8seg进行了梳理，尝试了对yolov8seg进行部署验证和仿真测试。总
山水无移·2024-01-15 15:51

yolov8 官方模型进行瑞芯微RKNN和地平线Horizon芯片仿真测试部署

  由于之前写了一篇”yolov8瑞芯微RKNN和地平线Horizon芯片仿真测试部署“这一篇导出的onnx模型在板端芯片部署效率非常高的，高效率体现在模型的所有操作都在加速引擎（NPU或BPU）上，模型推理没有
山水无移·2024-01-15 15:21

yolov8 瑞芯微 RKNN 的 C++部署，部署工程难度小、模型推理速度快

【完整代码】代码和模型1、rknn模型准备  onnx转rknn模型这一步就不再赘述，请参考上一篇【yolov8n瑞芯微RKNN和地平线Horizon芯片仿真测试部署，部署工程难度小、模型推理速度快】。
山水无移·2024-01-15 15:19

踩坑RV1106板端部署rknn模型

文章目录1、交叉编译2、板上跑通3、验证自己模型4、编译使用5、opencv安装测试1、交叉编译官方给的一个流程:RKNN模型推理测试为了避免踩坑在开头提出来按照官方的流程可以跑通，他自己提供的yolov5s.rknn
讳疾忌医丶·2024-01-12 10:56

yolov8n 瑞芯微RKNN和地平线Horizon芯片仿真测试部署，部署工程难度小、模型推理速度快

相对之前写的一篇【yolov8瑞芯微RKNN和地平线Horizon芯片
山水无移·2024-01-12 09:13

rknn加载onnx时报错 GLIBC=2.29 no found librknnc.so

rknn中onnx转rknn在虚拟机中运行时发现报错.GLIBC=2.29nofound/****/librknnc.so昨天还正常的,今天装了个ftp和宝塔面板就出错了.我估计根据报错地址,找到了librknnc.so
走错路的程序员·2024-01-09 09:31

RK3568笔记七：yolov5-seg实例分割测试验证

记录的目的是想在RK3568上实现实例分割，在github的rknn_mode_zoo仓库里看到了例子，带着疑问测试了一下，结果跑通了，这里记录下全过程。
殷忆枫·2024-01-01 15:29

模型部署之——ONNX模型转RKNN

提示：这里可以添加学习目标提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录一、加载Docker镜像二、转换脚本一、加载Docker镜像加载rknn官方提供的基于x86架构下模型转换的镜像文件
Ceri·2023-12-28 16:32

RKNN Toolkit Lite2 一键安装和测试，sh脚本

RKNNToolkitLite2安装和测试教程本教程旨在指导用户如何使用提供的shell脚本来安装和测试RKNNToolkitLite2，适用于需要在Linux系统上部署和测试AI模型的开发者。简介RKNNToolkitLite2是一个高效的AI模型转换和推理工具包，专为RockchipNPU设计。它支持多种AI模型格式，能够轻松地在Rockchip平台上部署和运行AI模型。前提条件在开始之前，请
yi拾三·2023-12-27 03:35

RK3588平台开发系列讲解（AI 篇）RKNN rknn_query函数详细说明

文章目录一、查询SDK版本二、查询输入输出tensor个数三、查询输入tensor属性(用于通用API接口)四、查询输出tensor属性(用于通用API接口)五、查询模型推理的逐层耗时六、查询模型推理的总耗时七、查询模型的内存占用情况八、查询模型里用户自定义字符串九、查询原始输入tensor属性(用于零拷贝API接口)十、查询原始输出tensor属性(用于零拷贝API接口)十一、查询原始输入ten
内核笔记·2023-12-27 01:36

RK3588平台开发系列讲解（AI 篇）RKNN 数据结构详解

文章目录一、rknn_sdk_version二、rknn_input_output_num三、rknn_tensor_attr四、rknn_perf_detail五、rknn_perf_run六、rknn_mem_size
内核笔记·2023-12-26 23:53

RK3588平台开发系列讲解（AI 篇）RKNN-Toolkit2 模型的加载转换

RKNN-Toolkit2目前支持Caffe、TensorFlow、TensorFlowLite、ONNX、DarkNet、PyTorch等模型的加载转换，这些模
内核笔记·2023-12-26 11:51

rk3588多模型检测部署quickrun

quickrun是一款rk3588rknn多模型高效高并发部署软件软件框架采用session思想，可以定义多个session满足不同模型的义务需求。
杨善锦·2023-12-25 06:23

iTOP-RK3568开发板实时系统编译,Preemption系统/Xenomai系统编译,获取Linux源码包

Linux源码包编译环境说明：本手册使用的是迅为提供的编译环境ubuntu20.04，在网盘资料“iTOP-3568开发板\03_【iTOP-RK3568开发板】指南教程\05_NPU开发配套资料\03_RKNN_Toolkit2
mucheni·2023-12-24 01:36

使用rknn-toolkit2将paddleseg模型导出rknn模型

目录安装paddle2onnx环境将paddle模型导出onnx模型安装rknn-toolkits转化rknn模型安装paddle2onnx环境首先创建一个python虚拟环境condacreate-npaddle2onnxpython
telllong·2023-12-16 13:23

yolov5训练自己的pt文件,转onnx，再转成rknn，到RK3588开发板运行测试

一、训练自己的模型yolov5训练好自己的模型，例如训练完后，名称为best.pt，路径为runs/exp/weights/best.pt。采用detect.py文件验证best.pt可以正常检测目标，再进行下一步工作。二、pt转onnx修改utils/yolo.py文件的后处理部分，将classDetect(nn.Module)类的子函数forward由defforward(self,x):z=
helloworld_fang·2023-12-06 03:20

UNET-RKNN分割眼底血管

相关的算法发介绍就不写了接下来从PYTORCH、ONNX、rknn三个方面看看效果全部代码地址:https://pan.baid
呆呆珝·2023-11-24 23:19

AlphaPose-RKNN-rk3588

1.AlphaPose背景介绍AlphaPose是一个用于人体姿态估计的开源工具。人体姿态估计在计算机视觉中是一个核心问题，它旨在定位并识别图像或视频中的人体关键点和骨骼结构。在许多应用中，如动作识别、行为分析、虚拟现实和增强现实，人体姿态估计都发挥着重要作用。2.基本思路姿态估计有自顶向下（top-down）和自底向上（bottom-up）的两种策略。其中：自顶向下策略首先检测图像中的人物实例，
呆呆珝·2023-11-24 22:52

1.rk3588的yolov5运行：pt_onnx_rknn转换及rknn在rk3588系统python运行

自己有点笨，查资料查了一周才完美的实现了yolov5在rk3588环境下的运行，在这里写具体步骤希望大家少走弯路。具体步骤如下：一、yolov5的原代码下载及pt文件转换为onnx文件1.yolov5的原代码下载及环境搭建在这里一定要下载正确版本的源代码，否则pt到onnx文件的转换很容易出错。进入网盘链接下载即可：https://pan.baidu.com/s/1D-9UzyfNgrACdqli
YANQ662·2023-11-18 23:20

yolo5 onnx2rknn 瑞芯微香橙派 rk3588

yolo训练我用的环境是yolo5.6.0应该是然后使用同环境下的export注意不要换环境。。。pythonexport.py--weightsD:\project\Pythonproj\yolov5\yolo5\runs\train\exp5\weights\best.pt--img640--batch1--includeonnx--opset12导出onnx,如果你和我的版本完全相同，那么你
define_mine·2023-11-16 14:46

【工程部署】在RK3588上部署OCR(文字检测识别)（DBNet+CRNN）

参考手册：《00-Rockchip_RKNPU_User_Guide_RKNN_API_V1.3.0_CN》《RKNNToolkitLite2用户使用指南》1、文字检测项目地址：GitHub-WenmuZhou
warren@伟_·2023-11-15 15:27

深度学习可视化工具：Netron

Netron支持ONNX、TensorFlowLite、Caffe、Keras、Darknet、PaddlePaddle、ncnn、MNN、CoreML、RKNN、MXNet、MindSporeLite
泠山·2023-11-14 23:21

RK3568笔记五：基于Yolov5的训练及部署

一.部署概述环境：Ubuntu20.04、python3.8芯片：RK3568芯片系统：buildroot开发板：ATK-DLRK3568开发主要参考文档：《Rockchip_Quick_Start_RKNN_Toolkit2
殷忆枫·2023-11-14 01:20

RK3566上运行yolov5模型进行图像识别

/rknn_yolov5_demomodel/RK356X/yolov5s-640-640.rknnmodel/bus.jpg其中yolov5s-640-640.rknn是模型文件，bus.jpg是输入给模型的图像数据输入图像
killer-p·2023-11-06 05:11

RK3588平台开发系列讲解（项目篇）基于yolov5的物体识别

平台内核版本安卓版本RK3588Linux5.10Android12文章目录一、实验环境二、源码&工具三、环境搭建3.1、安装Miniconda3.2、创建RKNN虚拟环境3.3、安装RKNN-ToolkitLite2
内核笔记·2023-11-02 07:33

[RKNN] 2. 模型转换和推理--API介绍&以yolox为例

系列文章目录[RKNN]1.入门介绍[RKNN]2.模型转换和推理–API介绍&以yolox为例[RKNN]3.零拷贝接口推理[RKNN]4.基于零拷贝接口封装文章目录系列文章目录前言一、模型转换1.1API
0zzx0·2023-11-02 04:22

[RKNN] 3. 零拷贝接口推理

系列文章目录[RKNN]1.入门介绍[RKNN]2.模型转换和推理–API介绍&以yolox为例[RKNN]3.零拷贝接口推理[RKNN]4.基于零拷贝接口封装文章目录系列文章目录前言一、零拷贝推理yolox1.1
0zzx0·2023-11-02 04:22

[RKNN] 4. 基于零拷贝接口封装

系列文章目录[RKNN]1.入门介绍[RKNN]2.模型转换和推理–API介绍&以yolox为例[RKNN]3.零拷贝接口推理[RKNN]4.基于零拷贝接口封装文章目录系列文章目录前言一、思路推理基类后处理类实际任务类二
0zzx0·2023-11-02 04:22

[RKNN] 1. 入门介绍

系列文章目录[RKNN]1.入门介绍[RKNN]2.模型转换和推理--API介绍&以yolox为例[RKNN]3.零拷贝接口推理[RKNN]4.基于零拷贝接口封装目录平台介绍上位机配置及使用开发板环境配置
0zzx0·2023-11-02 04:21

yolox转rknn

使用瑞芯微版本的yolox：https://github.com/airockchip/YOLOXpipinstalltorch==1.8.1torchvision==0.9.1torchaudio==0.8.1--no-cache-ihttps://pypi.tuna.tsinghua.edu.cn/simplepipinstall-rrequirements.txt-ihttps://pypi
刀么克瑟拉莫·2023-11-02 04:47

瑞芯微rk3588部署yolov5模型实战

瑞芯微rk3588部署yolov5模型实战模型转换通过pt模型转换为onnx模型通过onnx模型转换为rknn模型模型部署编译推送执行文件到板子运行(单图测试)多图测试模型转换  使用此yolov5仓库获取
Silver__Wolf·2023-11-01 19:50

RK3588开发板 yolov转换到rknn识别

2023/4/20通过不断测试，成功在rv1126开发板上把yolov的模型转换成rknn运行起来，完成rv1126开发板进行目标检测2023/9/5有rv1126的经验，经过冷静的分析测试成功把yolov5
初学者5213·2023-10-26 16:22

RK3588使用npu运行onnx模型推理

文章目录前言1.安装rknn-toolkit22.将onnx模型转为rknn模型3.通过rknpu2加载rknn模型执行推理前言先说总体流程：1.在x86主机上安装【rknn-toolkit2】2.使用
韭菜钟·2023-10-26 16:43

【教程】在RK3568上部署(C++)语义分割算法BiSeNetv1/v2

一、获取rknn模型1、这步不是很难，我之前也写过BiSeNet的教程，官方提供的代码也很好理解，并且提供了onnx模型的导出代码。教程--从零开始使用
计算机幻觉·2023-10-24 23:10

【教程】-在rknn-toolkit2模拟器中验证测试语义分割模型Yolov5-seg

引言为了以后能够顺利的将模型部署在rk3568开发板中，我们首先要在rknn-toolkit2提供的模拟器环境中进行运行测试，从而保证所选模型能够在开发板上进行部署，测试环境是Ubuntu20.04。
计算机幻觉·2023-10-24 23:39

RKNN-ToolKit2 1.5.0安装教程

引言由于种种原因需要用到开发版RK3568，需要预先安装RKNN-Toolkit2进行模型转化等，博主安装的版本是1.5.0，Ubuntu版本是20.04，python版本3.6。
计算机幻觉·2023-10-24 23:38
上一页 1 2 3 4 5 6 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他