板端部署 YOLOv5 目标检测
提示
本文档旨在演示如何在 rockchip RK3588/3566 系列芯片上运行板端推理 YOLOv5 目标检测模型,所需环境 配置请参考 RKNN 安装
此示例用 rknn_model_zoo 中预训练好的 ONNX 格式模型为例子通过模型转换到板端推理做完整示例。
利用 rknn 部署YOLOv5 需要两个步骤
- PC 端利用 rknn-toolkit2 将不同框架下的模型转换成 rknn 格式模型
- 板端利用 rknn-toolkit2-lite 的 Python API 板端推理模型
PC端模型转换
提示
Radxa 已提供预转换好的 yolov5s_rk35XX.rknn
模型,用户可直接参考板端推理 YOLOv5 跳过 PC 端模型转换章节
-
如使用 conda 请先激活 rknn conda 环境
conda activate rknn
-
下载 yolov5s_relu.onnx 模型
cd rknn_model_zoo/examples/yolov5/model
# 下载预训练好的 yolov5s_relu.onnx 模型
bash download_model.sh如遇到网络问题,可访问 此页 下载对应的模型到对应文件夹
-
使用 rknn-toolkit2 转换成 yolov5s_relu.rknn
cd rknn_model_zoo/examples/yolov5/python
python3 convert.py ../model/yolov5s_relu.onnx <TARGET_PLATFORM> <dtype> <output_rknn_path>