模拟推理 YOLOv5 分割模型

提示

本文档旨在演示如何在 x86 PC 上使用 rknn-toolkit2 脱离开发板模拟推理 YOLOv5 目标分割模型，所需环境配置请参考 RKNN 安装

准备模型

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, 并在 PC 端做模拟推理

如使用 conda 请先激活 rknn conda 环境
```
conda activate rknn
```

下载 yolov5s-seg.onnx 模型

cd rknn_model_zoo/examples/yolov5_seg/model
# 下载预训练好的 yolov5s-seg.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-seg.rknn
```
cd rknn_model_zoo/examples/yolov5_seg/python
python3 convert.py ../model/yolov5s-seg.onnx <TARGET_PLATFORM>
```
参数解析：

<onnx_model>: 指定 ONNX 模型路径

<TARGET_PLATFORM>: 指定 NPU 平台名称。支持的平台请参考这里

<dtype>(可选): 指定为 i8 或 fp。i8 用于 int8 量化，fp 用于 fp16 量化。默认为 i8

<output_rknn_path>(可选): 指定RKNN模型的保存路径，默认保存在与ONNX模型相同的目录中，文件名为 yolov5s-seg.rknn

运行 yolov5_seg 模拟推理 Python demo

pip3 安装所需依赖

pip3 install torchvision==0.11.2 pycocotools

运行模拟推理程序

修改 rknn_model_zoo/py_utils/rknn_executor.py 为以下代码，并务必备份一份原版代码

from rknn.api import RKNN

class RKNN_model_container():
    def __init__(self, model_path, target=None, device_id=None) -> None:
        rknn = RKNN()
        print('--> Init runtime environment')
        if target==None:
            DATASET_PATH = '../../../datasets/COCO/coco_subset_20.txt'
            onnx_model = model_path[:-4] + 'onnx'
            print('--> Config model')
            rknn.config(mean_values=[[0, 0, 0]], std_values=[[255, 255, 255]], target_platform='rk3588')
            print('done')
            # Load model
            print('--> Loading model')
            ret = rknn.load_onnx(model=onnx_model)
            if ret != 0:
                print('Load model failed!')
                exit(ret)
            print('done')
            # Build model
            print('--> Building model')
            ret = rknn.build(do_quantization=True, dataset=DATASET_PATH)
            if ret != 0:
                print('Build model failed!')
                exit(ret)
            print('done')
            ret = rknn.init_runtime()
        else:
            ret = rknn.init_runtime(target=target, device_id=device_id)
        if ret != 0:
            print('Init runtime environment failed')
            exit(ret)
        print('done')

        self.rknn = rknn

    def run(self, inputs):
        if isinstance(inputs, list) or isinstance(inputs, tuple):
            pass
        else:
            inputs = [inputs]

        result = self.rknn.inference(inputs=inputs)
        return result

修改 rknn_model_zoo/examples/yolov5_seg/python/yolov5_seg.py 第 260 行，设置 target 默认值为 None

# parser.add_argument('--target', type=str, default=‘rk3566’, help='target RKNPU platform')
parser.add_argument('--target', type=str, default=None, help='target RKNPU platform')

运行模拟推理程序

python3 yolov5_seg.py --model_path ../model/yolov5s-seg.rknn --img_show

模拟推理结果（模拟器仅模拟 NPU 计算结果，实际效果与精度以板端推理为准）

yolov5_seg_result/webp

模拟推理 YOLOv5 分割模型

准备模型​

运行 yolov5_seg 模拟推理 Python demo​

准备模型

运行 yolov5_seg 模拟推理 Python demo