RDK X5 yolov5+Deepsort 行人跟踪（BPU加速）

最新推荐文章于 2025-06-10 16:36:57 发布
最新推荐文章于 2025-06-10 16:36:57 发布
阅读量401 收藏 2
点赞数 4
分类专栏： YOLO 文章标签： YOLO RDK X5 地瓜 旭日 目标跟踪 python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/gs1069405343/article/details/143160385
版权

源码下载地址：RDK X5 yolov5+Deepsort 行人跟踪（BPU加速）

视频效果：https://www.douyin.com/video/7428230460553202953

QQ20241022-154715.jpg

工程如下：

QQ20241022-154004.jpg

工程包含所有需要的bin文件和测试视频，工程下载完之后，直接扔到板子上执行main.py文件即可，运行结果如下，大概每帧的处理速度在0.09S左右，如果需要观看图像，可以将显示器接进去，然后打开“cv2.imshow('demo', result)”，就可以看到识别结果的图像了。

QQ20241022-153658.jpg

最低0.47元/天 解锁文章
RDK X5 目标跟踪核心代码Deepsort
激萌の小宅的博客
10-19 257
执行demo.py文件就行了，博主已经测试过了，在RDK X5环境下是可以运行的，只要在把RDK X5的yolo目标检测数据传进去，就能实现目标跟踪了~~RDK X5 目标跟踪核心代码Deepsort，不含yolo代码，主要功能是通过按顺序读取file文件夹下的三个图片，来模拟图像输入。
清华YOLOE在RDK X5上的部署, 可实例分割超四千种目标！
吴超的博客
03-31 1056
YOLOE（实时看见一切）是零样本、可提示的 YOLO 模型的一项新进展，专为开放词汇检测和分割设计。与以往只能局限于固定类别的 YOLO 模型不同，YOLOE 使用文本、图像或内部词汇提示，能够实现实时检测任何对象类别。YOLOE 基于 YOLOv10 构建，并受到 YOLO-World 的启发，在几乎不影响速度和精度的情况下实现了最先进的零样本性能。清华的论文: https://arxiv.org/pdf/2503.07465v1。
RDK X5简单测评
2301_80440660的博客
10-15 3039
主要是给RDK X5简单写了一个测评，试用了YOLO8目标检测和火山引擎大模型网关
YOLOv11，地瓜RDK X5开发板，TROS端到端140FPS
吴超的博客
09-30 4690
一句话讲明白：RDK X5的BPU完全支持YOLOv11引入的TransFormer结构，同时后处理直接复用YOLOv8，保持5ms的快速水平。
D-Robotics（地瓜机器人）RDK X5开箱烧录镜像+远程登录
overwizard的博客
09-30 2802
地瓜开发者社区官网官方快速上手教程RDK X5官方硬件说明（包括硬件资料和配料清单）NodeHub社区。
RDK X5超新手入门教程：从系统烧录到yolov5物体识别-RDKX5地瓜机器人
weixin_51636531的博客
10-28 5509
地瓜机器人RDKX5的简易新手教程，包括前期准备，系统烧录启动，yolov5运行等。
基于Cython与C++多线程加速RDK板端YOLOv5后处理
2301_76184827的博客
11-14 1191
之前有做一套基于RDK X3的yolov5工具库，还申请下来了软件著作权，不过存在一些问题，工具库的主要内容是YOLOv5快速后处理函数，该函数固定将输出的`boxes`分为`21个子boxes(16+4+1)`再开启21个线程进行阈值遍历搜索，然后再进行`boxes解码`和`nms(非极大值抑制)`等后续计算处理，而`RDK X5`的`CPU`核心数增加到了8个，最佳运算线程数必然发生变化，并且之前也打算进一步更新这个软件，让线程数成为一个可指定的参数，借此机会，再把旧版快速后处理函数内存管理不当的问题解
RDKx5上部署yolov10和tros部署
LTOCY的博客
12-12 1848
玩RDKx5碰到了不少坑……故有此贴记录一下。本帖的路线为，yolo训练（大佬的博客代劳） --> yolo转onnx及校准数据集准备 --> docker中模型格式转换 --> 模型部署上板 --> tros部署yolo
rdk x5 yolov11
06-07
根据已有资料，RDK X5 在运行 YOLOv5 + DeepSort 行人跟踪任务时，每帧处理速度约为 0.09 秒[^3]。如果需要进一步提升性能，可以考虑以下方法： - 使用 BPU 进行硬件加速。 - 调整模型大小（如选择 YOLOv5s 而非 ...
RDK X5/X3 yolov5目标检测从环境搭建到设备集成
激萌の小宅的博客
10-18 578
1、RDK X5 yolov5目标检测之训练环境搭建2、RDK X5 yolov5目标检测之pt转onnx3、RDK X5 yolov5目标检测之开发机环境部署4、RDK X5 yolov5目标检测之onnx转bin5、RDK X5 yolov5目标检测之开发板运行
rdk x5 yolov8帧率
01-26
在RDK X5平台上部署并优化YOLOv8模型以提高其处理视频流时的帧率是一个多方面的工作，涉及硬件加速、软件配置以及算法层面的选择。 #### 硬件加速支持 为了最大化利用RDK X5平台上的计算资源来提升YOLOv8推理速度，...
打造未来机器人：RDK X5 + YOLOv8深度学习图像识别实战手册
![打造未来机器人：RDK X5 + YOLOv8深度学习图像识别实战手册]...本章将重点介绍RDK X5的核心功能和设计亮点，为接下来深入探讨其与YOLOv8算法的集成应用奠定
YoloV8改进策略：Block改进|FCM，特征互补映射模块|AAAI 2025|即插即用
m0_47867638的博客
06-09 684
FBRT-YOLO通过特征互补映射模块（FCM）与多内核感知单元（MKP）的创新设计，解决了航拍图像检测中小目标信息丢失和多尺度适应性不足的核心问题。理论层面：提出空间-语义信息互补映射机制，缓解深层网络位置信息衰减问题；工程层面：轻量化设计（参数量最高降74%）满足嵌入式设备实时需求；应用层面：在Visdrone等数据集上AP提升1.1-2.3%，为无人机安防、灾害监测提供高效解决方案。
yolo模型精度提升策略
qq_47798402的博客
06-09 838
结合起来，才能最大程度地提升那6种相似BGA的区分能力，从而显著提高整体mAP。持续进行基于难例分析的主动学习是突破瓶颈的可持续方法。使用自适应优化器、学习率热身与余弦退火，进行充分长周期的训练（配合早停）。持续收集模型在相似BGA上的错误样本，优先标注并加入训练集进行迭代。设计模拟BGA实际成像挑战（反光、模糊、视角变化）的增强方案。尝试引入注意力机制，将分类损失替换为。训练数据（2倍以上是合理起点）。（Focal Loss）以及。显著增加6种相似BGA的。（特别是注意力机制）、
Python----目标检测（YOLO简介）
weixin_64110589的博客
06-06 2610
[YOLO](You Only Look Once）是一种流行的物体检测和图像分割模型，由华盛顿大学的约瑟夫-雷德蒙（Joseph Redmon）和阿里-法哈迪（AliFarhadi）开发，YOLO 于 2015 年推出，因其高速度和高精确度而迅速受到欢迎。
钢管连接处腐蚀检测数据集VOC+YOLO格式1194张3类别
FL1623863129的博客
06-08 226
标注类别名称(注意yolo格式类别顺序不和这个对应，而以labels文件夹classes.txt为准):["Slippage","corrosion","crack"]数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注。标注数量(xml文件个数)：1194。标注数量(txt文件个数)：1194。
【18】手势识别数据集(有v5/v8模型)/YOLO手势检测
最新发布
目标检测
06-10 264
本文介绍了手势识别数据集及相关目标检测模型。数据集包含55,952张已标注图片，涵盖7种手势类别（数字1-5及大拇指、OK手势），按52,456训练集和3,496验证集划分。提供了YOLOv5和YOLOv8训练100轮后的模型结果，两者均达到0.995的mAP值。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值