YOLOv8s-pose
YOLOv8-pose 是由 Ultralytics 推出的专门用于人体姿态估计的先进深度学习模型。它继承了 YOLOv8 系列在目标检测领域的卓越架构，通过将物体检测与关键点定位集成在单阶段推理流程中，实现了对复杂人体动作的高效捕捉。
- 核心特点：支持实时的人体关键点检测与姿态识别，能够精准定位人体骨架关节点，广泛应用于人体运动分析、交互式游戏、行为监控及康复指导等领域。
- 版本说明：本案例采用 YOLOv8s-pose 模型。作为系列中的轻量化进阶版本，它在保持极高推理速度的同时，通过增加模型深度和通道数，增强了对复杂背景及肢体遮挡场景下的特征提取能力。它是目前在性能与实时性之间寻找平衡点的理想选择，尤其适用于需要兼顾检测准确率与端侧部署效率的实际应用场景。
环境配置
需要提前配置好相关环境。
快速开始
下载模型文件
O6 / O6N
cd ai_model_hub_25_Q3/models/ComputeVision/Pose_Estimation/onnx_yolov8s_pose
wget -O yolov8s-pose.cix https://www.modelscope.cn/models/cix/ai_model_hub_25_Q3/resolve/master/models/ComputeVision/Pose_Estimation/onnx_yolov8s_pose/yolov8s-pose.cix
模型测试
信息
运行前激活虚拟环境！
O6 / O6N
python3 inference_npu.py
完整转换流程
下载模型文件
Linux PC
cd ai_model_hub_25_Q3/models/ComputeVision/Pose_Estimation/onnx_yolov8s_pose/model
wget -O yolov8s-pose.onnx https://www.modelscope.cn/models/cix/ai_model_hub_25_Q3/resolve/master/models/ComputeVision/Pose_Estimation/onnx_yolov8s_pose/model/yolov8s-pose.onnx
项目结构
├── cfg
├── datasets
├── inference_npu.py
├── inference_onnx.py
├── model
├── ReadMe.md
├── test_data
└── yolov8s-pose.cix
进行模型量化和转换
Linux PC
cd ..
cixbuild cfg/yolov8s_posebuild.cfg
推送到板端
完成模型转换之后需要将 cix 模型文件推送到板端。
测试主机推理
运行推理脚本
Linux PC
python3 inference_onnx.py
模型推理结果
进行 NPU 部署
运行推理脚本
O6 / O6N
python3 inference_npu.py
模型推理结果
O6 / O6N
$ python3 inference_npu.py
npu: noe_init_context success
npu: noe_load_graph success
Input tensor count is 1.
Output tensor count is 1.
npu: noe_create_job success
npu: noe_clean_job success
npu: noe_unload_graph success
npu: noe_deinit_context success
