海思3559移植yolov3

最新推荐文章于 2024-06-07 14:23:55 发布
最新推荐文章于 2024-06-07 14:23:55 发布
阅读量8.3k 收藏 32
点赞数 2
CC 4.0 BY-SA版权
分类专栏： 深度学习宝典
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/jacke121/article/details/94226178
该博客提供了海思3559芯片移植YOLOv3模型的完整教程，包括darknet模型转换为caffemodel的步骤，以及在海思开发板上运行YOLOv3模型的代码分析。作者分享了多篇详细文章链接，涵盖了从模型转换到交叉编译和在板子上运行的全过程。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

此人博客上有完整教程：

https://blog.youkuaiyun.com/avideointerfaces/article/category/8762084

 

海思3559移植yolov3

 

海思AI芯片(Hi3519A/3559A)方案学习（十）将yolov3的darknet模型转换为caffemodel

https://blog.youkuaiyun.com/avideointerfaces/article/details/89111955

 

caffemodel转 *.wk

https://blog.youkuaiyun.com/kwdx2/article/details/92803710

 

海思AI芯片(Hi3519A/3559A)方案学习（十七）开发板上运行yolo3模型的代码分析

https://blog.youkuaiyun.com/avideointerfaces/article/details/93891881

交叉编译以及如何在板子上运行， 请参考 海思AI芯片(Hi3519A/3559A)方案学习（四）如何在3519A板子上运行sample code 

海思芯片YOLOv8模型部署完整指南：从RPN硬化到8bit量化精度优化
FJN110的博客
06-21 135
本文详细介绍了在海思芯片平台部署YOLOv8目标检测模型的完整方案，重点解决8bit量化精度损失问题。通过分析海思RPN硬化层的性能优势（1.9ms推理时间），对比不同量化策略（16bit仅损失0.6AP，8bit损失5.2AP），并深入定位到strides计算层是量化误差的主要来源。关键突破在于采用混合精度策略（敏感层16bit，其余8bit），使8bit量化AP回升4.1%，同时保持3.4ms的推理速度和60%的低NPU占用率。文章还提供了量化参数调整、校准数据集优化等进阶技巧，为边缘计算应用提供了性能
海思SD3403,SS928/926,hi3519dv500,hi3516dv500移植yolov7,yolov8（17）-Yolov8改进
Littro Innovations
05-20 549
yolov8在hi3516dv500和hi3519dv500中已经完成了移植，yolov9的tiny和s版本目前没有开源，光看结果来看其实并没有多少提高。本篇开始写之前，已经测试了P2的引入，在测试结果上来看速度相比原始yolov8要慢一点，有个几毫秒的增加，总体时间没有明显变化。一个思路是增加P2，还有就是增加gold-yolo的部分层，以增加在不同尺度下的目标提取能力。后续打算在yolov8的官方模型基础上做小目标检测的改进后进行移植。后面陆续增加这部分的调试过程说明。yolov8增加p2。
在HI3559A上实现YOLOV3，代码可以直接用
07-27
在HI3559A上实现YOLOV3，代码可以直接用，包括输入输出和NNIE对视频文件解析。代码已测试，可以直接使用
海思芯片移植
cigong2275的博客
08-17 963
promote vediotype 一、移植uboot为 uboot_hi3520d.bin 1、拷贝海思SDK到linux ubuntu，按照海思SDK的说明文档txt，生成uboot_hi3520d 二、生成内核kernel 1、依然在海思SDK包内，有 osdrv/kernel/...
海思平台移植ppp
phmatthaus的专栏
08-05 572
1.下载源码 http://www.linuxfromscratch.org/~thomasp/blfs-book-xsl/basicnet/ppp.html 选择： http://samba.org/ftp/ppp/ppp-2.4.5.tar.gz 2. 放置并解压 将下载好的ppp-2.4.5.tar.gz放置到linux路径下，并解压 cd /home/XXX/XXX/ tar zxvf ppp-2.4.5.tar.gz cd ppp-2.4.5 3.配置编译 ./...
海思hi3516移植protobuf
ggqhit的博客
09-09 796
1.下载源码 protobuf-master.zip 2.解压 protobuf-master.zip 3.进入解压后的目录protobuf-master 命令：cd protobuf-master 4.新建目录build和output 命令：mkdir build output 5.执行命令：./autogen.sh 6.配置 执行命令：./configure --build=i...
项目实战：海思平台移植QT4.85
程序员的自我修炼
02-03 1239
本文旨在说明QT4.85在海思平台上的移植，方便后面读者在海思平台上移植QT提供参考。 一、tslib移植 1.tslib-1.16下载： https://github.com/kergoth/tslib/releases/download/1.16/tslib-1.16.tar.bz2 2.解压 tslib. 3.创建安装目录 在/opt目录下创建tslib文件夹存放生...
基于Hisi3559A移植部署YOLOv5算法C源码+项目使用说明.zip
01-16
基于Hisi3559A移植部署YOLOv5算法C源码+项目使用说明.zip基于Hisi3559A移植部署YOLOv5算法C源码+项目使用说明.zip基于Hisi3559A移植部署YOLOv5算法C源码+项目使用说明.zip基于Hisi3559A移植部署YOLOv5算法C源码+项目...
海思SD3403,SS928/926,hi3519dv500,hi3516dv500移植yolov7,yolov8（8）
Littro Innovations
01-10 2683
目前为止yolov7算法在海思hi3519dv500.3516dv500下的移植已经说完了，后面开始讲 yolov8的移植。过程基本上是一样的，只是在训练和转换过程中会和yolov7有区别。本章先说一下训练的部分。
二、基于海思芯片：从算法到移植   darknet框架下yolov3转为caffe框架下
Bonjour_ca_va的博客
07-10 3080
一、基于海思芯片：从算法到移植darknet框架下训练yolov3 二、基于海思芯片：从算法到移植 darknet框架下yolov3转为caffe框架下 三、基于海思芯片：从算法到移植 caffe-yolov3测试训练效果 四、基于海思芯片：从算法到移植 生成海思wk文件并进行成果展示 在本系列教程第一篇文章：一、基于海思芯片：从算法到移植 darknet框架下训练yo...
海思3519 QT移植测试程序
02-26
海思3519平台移植QT的测试程序，重新编译QT源码，按照此工程的内容生成可执行文件进行测试，参考博客：https://www.cnblogs.com/chay/p/10431403.html
Hi3519A编译好的YOLOV3 demo百度网盘下载链接
04-28
Hi3519A编译好的YOLOV3 demo百度网盘下载链接。海思3519A自带的sdk中是没有yolov3的demo例子的，这就让人很不开心，而且华为的人给的资料很乱，其次，很多的demo都是支持Hi3559A的，还没入坑的，推荐选Hi3559A进行开发。
海思Hi3519 DV500 部署yolov5并加速优化
嵌入式人工智能相关
04-15 5857
海思Hi3519 DV500 部署yolov5并加速优化
如何在Hi3559A上运行自己的YOLOv3模型(五)
qq_34533248的博客
10-11 5770
将自己的网络放到HI3559A上运行 前言：在上一篇中我们已经可以根据仿真的结果看到自己转化后的模型的效果是什么样的，此次我们来将这个结果在海思处理器上复现出来 step1. 在ubuntu上进入SDK目录下的mpp/sample/svp/big-little，并将自己的wk文件与bgr图像放入nnie/data中 注意可以在板子上运行的wk文件只能是指令仿真的wk文件（inst），...
如何在Hi3559A上运行自己的YOLOv3模型(二)
qq_34533248的博客
10-11 2007
将自己的YOLO模型装换为caffe模型 请各位先参考大神的这篇博客，有时间会重新编写一下 https://blog.youkuaiyun.com/avideointerfaces/article/details/89111955 这部分可能会因为环境不同等问题引发各种各样的奇怪错误，但是大部分都能在网上找到解决的...
海思SS928（SD3403）部署YOLOv5-YOLOv7步骤详解
最新发布
u012374012的专栏
06-07 2244
1. YOLO模型资料本文档内容以yolov5-7.0工程、yolov5s模型为例。a. 模型结构详细的模型结构可以利用netron工具打开.pt或.onnx模型查看。b. 模型参数即验证结果其中，YOLOv5n、YOLOv5s、YOLOv5m、YOLOv5l、YOLOv5x为五种类型的预训练模型，其包含的检测类别相同，均包括以下80类'person', 'bicycle', 'car', 'motorcycle', 'airplane', 'bus',
华为海思 AI 芯片 (Hi3559A V100) 算法开发（四） 在 PC 仿真库使用 YOLOv3 进行图片目标检测以及 NMS、YOLO 讲解
随意聊点
05-06 6359
摘要 经过上一篇文章，大家编译运行 PC 仿真后，可能觉得有点迷惘，实际上你已经在后台完成了图像识别，保存结果，绘制识别框等一系列过程。这篇文章就教教大家怎么看识别的结果已经如何手动将识别框绘制出来。 仿真代码浅析 为了方便实际操作，这篇文章使用 VS 来快速运行，我觉得 vs 运行比 Ruyi 稍微快一点 为了速度再快一点，我们修改我们要运行的文件夹下...
Hi3518C开发板系统移植总结
u012420933的专栏
10-26 8805
hi3518C 环境说明 硬件环境：   一、搭建linux 开发环境         1、安装Linux服务器 （此处省略）         2、安装SDK（软件开发工具包）               i、拷贝。将Hi3518_SDK_V1.0.7.0.tgz（XX是版本号）拷贝到Linux服务器上。               II、解压。解压文件，使用命令：tar –zxf
海思SD3403,SS928/926,hi3519dv500,hi3516dv500移植yolov7,yolov8（2）
Littro Innovations
11-29 2016
本篇是在海思嵌入式芯片中移植yolov7和yolov8的第二篇。做一个调试的小总结。目前手上有SS928还有Hi3516dv500两个板子，3519DV500板子还没开始调。Hi3519dv500和3516是同一套SDK，基本上是一样的，算力稍高一点，ARM主频高一点。我们主要对yolov7和yolov8进行了从训练到量化，部署的工作。训练之前要改一下训练源码，不然训练完也跑不起来。量化过程是先转Onnx模型，然后Onnx再用MindStudio转om模型。
海思Hi3516DV300上YOLOv3的C++部署与使用指南
在本次资源中，开发者提供了一个在海思Hi3516DV300板子上移植YOLOv3的C++项目，包含了一系列的文件，如源代码文件、构建脚本、文档说明以及依赖库。以下是详细的知识点分解： 1. YOLOv3的移植与部署： - 将YOLOv3...
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

打赏作者

AI算法网奇

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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