RK3588平台上YOLOv8-pose模型转换：yolov8-pose.pt转yolov8-pose.onnx

已于 2024-12-24 13:17:04 修改
阅读量718 收藏 10
点赞数 8
分类专栏： YOLO系列模型有效涨点改进 深度学习落地实战 文章标签： YOLO
于 2024-12-24 11:44:21 首次发布
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/weixin_51988935/article/details/144688170
版权

YOLOv8的原生模型包含了后处理步骤，其中一些形状超出了RK3588的矩阵计算限制，因此需要对输出层进行一些裁剪。本文将详细介绍YOLOv8模型从PyTorch格式（.pt）转换为适合RK3588平台上推理的yolov8-pose.onnx结构，以便后续能够顺利将onnx转rknn格式并在RK3588设备上高效运行。注本文涉及的全部代码都已上传到百度云盘，链接置于文末

一. 模型导出onnx结构对比

    

               支持转rknn格式的onnx输出                                               原始输出

如上图比较， 支持转rknn格式的onnx输出 将原来的1个输出头装换为8个输出头，是为了避免，

了解本专栏 订阅专栏 解锁全文 超级会员免费看
在瑞芯微RK3588平台上使用RKNN部署YOLOv8Pose模型的C++实战指南
weixin_51988935的博客
12-24 1357
在人工智能和计算机视觉领域，人体姿态估计是一项极具挑战性的任务，它对于理解人类行为、增强人机交互等方面具有重要意义。YOLOv8Pose作为YOLO系列中的新成员，以其高效和准确性在人体姿态估计任务中脱颖而出。本文将详细介绍如何在瑞芯微RK3588平台上，使用RKNN（Rockchip Neural Network Toolkit）框架部署YOLOv8Pose模型，并进行C++代码的编译和运行。注 本文全部代码、数据、模型、库，均已放置在文末的百度云盘链接里
使用RKNN进行YOLOv8人体姿态估计的实战教程：yolov8-pose.onnx转yolov8-pose.rknn+推理全流程
weixin_51988935的博客
12-24 927
​ 之前文章有提到“YOLOv8的原生模型包含了后处理步骤，其中一些形状超出了RK3588的矩阵计算限制，因此需要对输出层进行一些裁剪”，通过裁剪后得到的onnx能够顺利的进行rknn转换，本文将对转rnkk过程，以及相应的后处理进行阐述。并在文末附上全部源码、数据、模型的百度云盘链接。 ​
RK3588部署YOLOv8
热门推荐
m0_48979117的博客
01-16 1万+
本人基于YOLOv8改进水了一篇论文，为了增加工作量在RK3588上部署了改进的算法。根据网上的方法一直没有部署成功，最后在参考官方和网络上的方法成功实现算法的部署，因此写下这篇博客进行记录，以防后面忘了怎么部署，也可供网友参考.
RK3588芯片NPU的使用：yolov8-pose例子图片检测在安卓系统部署与源码深度解析（rknn api）
最新发布
懒人的技术笔记
04-25 1664
该方法对检测模型的输出进行后处理，包括 检测框解码、置信度过滤、非极大值抑制（NMS）以及关键点坐标映射，最终输出人体检测框和对应的关键点信息，封装在object_detect_result_list中。SDK支持的查询命令很多，具体参考官方文档：04_Rockchip_RKNPU_API_Reference_RKNNRT_V2.3.0_CN.pdf。：用于 RKNN_QUERY_IN_OUT_NUM 命令的返回结果，存储模型的输入/输出张量数量。没什么好说的，输入设置完毕后，执行模型推理。
yolov8部署到RK3588_并运行示例12.4_笔记2
m0_60657960的博客
12-04 3468
将下面的so文件复制到/usr/lib/下。
yolov8pose pt转onnx，并实现图片和视频推理
LKjoey的博客
06-19 1万+
v8官网v8pose权重看自己设备配置和推理速度下载需要的模型。
yolov5 pose 图片和视频推理脚本
LKjoey的博客
06-16 1310
有兴趣的小伙伴可以研究一下。
YOLOv8 Pose使用RKNN进行推理
qq_45195912的博客
11-08 730
yolov8-pose使用rknn进行部署
YOLOV8模型转换-ONNX-RKNN
10-12
YOLOV8模型转换至ONNX-RKNN的流程是一个典型的深度学习模型部署步骤，尤其在嵌入式设备如RK3588上运行时，这样的优化和转换至关重要。YOLO（You Only Look Once）系列是实时目标检测系统，而YOLOV8作为其最新版本，...
【嵌入式AI开发rk3588】yolov8模型转换：pt-＞onnx-＞rknn
Michaeljackchen的博客
12-04 482
ultralytics版本不一致可能会导致（import优先导入了虚拟环境中的包）：pip install -e . 解决问题。
YOLOv8-pose在ncnn框架下部署过程记录（包含ncnn、pnnx安装以及模型结构更改及转换）
Rachel321的专栏
04-26 6980
YOLOv8-pose在ncnn框架下部署过程记录（包含ncnn、pnnx安装以及模型结构更改及转换）
yolov8pose算法c++移植部署于RK3588的开发板源码+使用说明
01-16
<项目介绍> yolov8pose算法c++移植部署于RK3588开发板源码+使用说明 yolov8 瑞芯微 rknn 板端 C++部署，使用平台 rk3588，全网最简单、运行最快的部署方式。 yolov8 瑞芯微 rknn 板端 C++部署，使用平台 rk3588。模型转换参考 onnx转rknn ， 仿真参考PC仿真 。 - 不懂运行，下载完可以私聊问，可远程教学 该资源内项目源码是个人的毕设，代码都测试ok，都是运行成功后才上传资源，答辩评审平均分达到96分，放心下载使用！ 1、该资源内项目代码都经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！ 2、本项目适合计算机相关专业(如计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载学习，也适合小白学习进阶，当然也可作为毕设项目、课程设计、作业、项目初期立项演示等。 3、如果基础还行，也可在此代码基础上进行修改，以实现其他功能，也可用于毕设、课设、作业等。 下载后请首先打开README.md文件（如有），仅供学习参考, 切勿用于商业用途。 --------
RK3588部署YOLOv8（1）：YOLOv8和YOLOv8-pose转ONNX及Python后处理代码实现
qq_40387714的博客
02-26 1977
对YOLOv8和YOLOv8-pose，使用RKNN官方代码转ONNX，主要用于在RK3588上的模型部署，方便后续ONNX转RKNN，可以使用RK官方代码一键转换+部署。
瑞芯微RK3588 C++部署Yolov8检测和分割模型
四平的博客
03-04 5918
Docker容器主要用来进行模型转换，也就是pt转onnx的过程，因此docker中需要用的的包主要是rockchip-yolov8,需要修改该代码，进行模型的转换，在linux服务器上安装docker环境，创建一个ubuntu系统的docker环境。，C++的部署的代码参考的里面都有，我自己这边只是根据自己的项目做了集成，如有需要可私信。这一部分的修改代码参考山水无移大哥的部署过程，贼清洗，膜拜一下，少走了很多弯路，直接贴上。（3）yolov8_onnx2rknn：在（2）的基础上转检测rknn模型。
yolov8pose 瑞芯微 RKNN 的 C++部署
zhangqian_1的博客
09-25 4714
上两篇博客和写了yolov8检测的C++部署和yolov8pose仿真部署。有网友希望开源yolov8pose在板子上部署的C++代码。这一篇写写基于rknn板子对yolov8pose进行C++部署，并开源提供完整的代码、模型、使用流程，供网友自行进行测试验证。【完整代码】
yolov8-pose的数据集标注
qq_42178122的博客
10-27 2936
yolov8-pose制作自制数据集
RK3588 pose效果
04-12 310
RK3588 人体姿态
基于 yolov8-pose 将 .pt 模型部署至 RK3588 的完整流程（含转换与部署）
qq_46144078的博客
04-07 911
pt.onnx🚩：已按照建立共享同一文件夹（如/mnt/hgfs如未共享，也可以使用单独路径，请注意修改相应的文件路径配置。
RK3588/RK3588s运行yolov8推理速度达到27ms
cg1135217680的博客
09-20 3584
小伙伴们~~我最近做了一个比较有意思的东西，想起来也好久没有写博客了，就记录一下吧。希望和大家一起学习，一起进步！ 我简单介绍一下我最近做的这个东西的经过哈~上个月在B站上看到了一个博主发了一条视频关于边缘计算相关的，他仅仅用了一块巴掌不到的开发板完成了yolo的目标检测功能，而且延时还比较低，成本也仅有100元不到！倍感神奇哇！然后我就去学习了一下，关于NPU计算相关的知识，刚好有小伙伴手里有一块类似的开发板，于是就有了这篇博客。
yolov8的pt模型转rknn
01-02
### 将 YOLOv8 PyTorch PT 模型转换为 RKNN 格式的步骤 #### 准备工作环境 为了顺利进行模型转换，需先准备好必要的开发环境。确保安装了 Python 和相关依赖库，以及配置好用于编译和优化模型的工具链。 #### 转换为 ONNX 格式 首先需要将原始的 `.pt` 文件导出为中间表示形式——ONNX 模型文件。这一步骤可以通过调用 `export.py` 实现，在命令行输入如下指令完成操作： ```bash python export.py --weights yolov8-pose.pt --include onnx ``` 此命令会读取指定路径下的预训练权重文件并将其保存为目标格式[^2]。 #### 安装 RKNN 工具包 接着要获取 Rockchip 提供的支持 RK3588 平台上的神经网络推理加速 SDK 及其配套工具。通常可以从官方 GitHub 仓库下载最新版本，并按照说明文档中的指导来设置环境变量等必要事项[^4]。 #### 使用 RKNN Toolkit 进行最终转换 当上述准备工作完成后，可以利用 RKNN Toolkit 来处理之前得到的 ONNX 文件。具体做法是在终端执行以下脚本片段: ```bash cd path/to/rknn-toolkit/examples/onnx/yolov5/ python convert_to_rknn.py --model_file ./yolov8-pose.onnx --output_name yolov8_pose.rknn ``` 这段代码将会把给定名称的 ONNX 模型转化为适用于目标硬件平台的 RKNN 版本。 通过以上几个环节的操作即可实现从 YOLOv8 的 PyTorch 训练成果到可以在嵌入式设备上高效运行的形式转变过程[^3]。
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