快速体验

快速运行 YOLOv5 推理 Demo，确认 NPU 可用并熟悉基础流程。

下载测试资源

执行下述命令下载 RK3576 YOLOv5 Demo 压缩包。

radxa@rock-4d$

wget https://dl.radxa.com/rock4/4d/images/rk3576_rknn_yolov5_demo.tar.gz

如果下载速度较慢，可先在 PC 上下载后通过 scp 传入设备。

解压示例工程

解压 Demo 包会得到 rk3576_rknn_yolov5_demo 目录，内含模型、测试图片以及可执行程序。

radxa@rock-4d$

tar -xzf rk3576_rknn_yolov5_demo.tar.gz

运行推理 Demo

进入目录并运行可执行文件，示例命令会使用 bus.jpg 作为输入图片。

radxa@rock-4d$

cd rk3576_rknn_yolov5_demo
./rknn_yolov5_demo ./model/yolov5s_relu_rk3576.rknn ./model/bus.jpg

命令参数说明：

• ./rknn_yolov5_demo：预编译的 RKNN 推理示例
• ./model/yolov5s_relu_rk3576.rknn：适配 RK3576 的量化 YOLOv5s 模型
• ./model/bus.jpg：演示输入图片

查看运行结果

推理成功后，终端会输出模型信息、解析结果及每个目标的置信度，例如：

load label ./model/coco_80_labels_list.txt
model input num: 1, output num: 3
input tensors:
  index=0, name=images, n_dims=4, dims=[1, 640, 640, 3], n_elems=1228800, size=1228800, fmt=NHWC, type=INT8, qnt_type=AFFINE, zp=-128, scale=0.003922
output tensors:
  index=0, name=output0, n_dims=4, dims=[1, 255, 80, 80], n_elems=1632000, size=1632000, fmt=NCHW, type=INT8, qnt_type=AFFINE, zp=-128, scale=0.003922
  index=1, name=286, n_dims=4, dims=[1, 255, 40, 40], n_elems=408000, size=408000, fmt=NCHW, type=INT8, qnt_type=AFFINE, zp=-128, scale=0.003922
  index=2, name=288, n_dims=4, dims=[1, 255, 20, 20], n_elems=102000, size=102000, fmt=NCHW, type=INT8, qnt_type=AFFINE, zp=-128, scale=0.003922
model is NHWC input fmt
model input height=640, width=640, channel=3
origin size=640x640 crop size=640x640
input image: 640 x 640, subsampling: 4:2:0, colorspace: YCbCr, orientation: 1
scale=1.000000 dst_box=(0 0 639 639) allow_slight_change=1 _left_offset=0 _top_offset=0 padding_w=0 padding_h=0
rga_api version 1.10.1_[0]
rknn_run
person @ (209 243 286 510) 0.880
person @ (479 238 560 526) 0.871
person @ (109 237 232 534) 0.832
bus @ (93 129 553 464) 0.705
person @ (79 353 122 517) 0.301
write_image path: out.png width=640 height=640 channel=3 data=0x892c940

• person @ (...) 0.880 表示检测类别、坐标与置信度；
• write_image path: out.png 表示检测框已绘制并保存为 out.png。

当前目录会同时保留推理结果 out.png：