/yolov5_rknn_cpp

Primary LanguageC++

Yolo-v5 demo

导出rknn模型

导出 onnx 模型

yolov5工程需要使用pytorch 1.8.0 或 1.9.0 版本才能正常导出。

## 使用onnx-simplifier工具优化yolov5的onnx模型
pip install onnx-simplifier
python -m onnxsim yolov5s.onnx  yolov5s.onnx

运行python推理

使用rk预训练模型

由于官方的yolov5s模型中包含了Slice层/Swish层/大kernel_size的MaxPooling层，NPU执行效率不高。我们建议开发者使用NPU友好的算子替换官网的结构，下面给出两个参考网络结构： 训练和导出onnx模型过程请参考请参考 https://github.com/EASY-EAI/yolov5

转换rknn模型的步骤如下：

cd convert_rknn_demo/yolov5/
python onnx2rknn.py
模型 位置
yolov5s-rubby sftp://192.168.50.200/data/ICE/model_Abby/A6.0.1/rknn/best.rknn
yolov5s-coco sftp://192.168.50.200/data/MODEL/coco/yolov5s-640-640.rknn
  1. 改进结构1
a. 将Focus层改成Conv层
b. 将Swish激活函数改成Relu激活函数
  1. 改进结构2
a. 将Focus层改成Conv层
b. 将Swish激活函数改成Relu激活函数
c. 将大kernel_size的MaxPooling改成3x3 MaxPooling Stack结构

注意事项：

  1. 使用rknn-toolkit2版本大于等于1.1.2。
  2. 切换成自己训练的模型时，请注意对齐anchor等后处理参数，否则会导致后处理解析出错。
  3. 官网和rk预训练模型都是检测80类的目标，如果自己训练的模型,需要更改include/postprocess.h中的OBJ_CLASS_NUM以及NMS_THRESH,BOX_THRESH后处理参数。
  4. 测试代码导出模型的时候指定了输出节点['378', '439', '500']，分别为原模型的第2、3、4输出节点的去掉 三个Reshape 后面的层（不包含Reshape层）， 对应输出的shape是[1,255,80,80],[1,255,40,40],[1,255,20,20]。 对于自己训练的模型输出节点的顺序和shape的要求必须是[1,？,80,80]，[1,？,40,40]，[1,？,20,20]，C代码后处理才能正确处理。
  5. 默认导出rk356x的rknn模型,导出rk3588模型需要修改rknn.config的target_platform参数为"rk3588".
  6. demo需要librga.so的支持,编译使用请参考https://github.com/rockchip-linux/linux-rga

Android Demo

编译

根据指定平台修改 build-android_<TARGET_PLATFORM>.sh中的Android NDK的路径 ANDROID_NDK_PATH，<TARGET_PLATFORM>可以是RK356X或RK3588 例如修改成：

ANDROID_NDK_PATH=~/opt/tool_chain/android-ndk-r17

然后执行：

./build-android_<TARGET_PLATFORM>.sh

推送执行文件到板子

连接板子的usb口到PC,将整个demo目录到 /data:

adb root
adb remount
adb push install/rknn_yolov5_demo /data/

运行

adb shell
cd /data/rknn_yolov5_demo/

export LD_LIBRARY_PATH=./lib
./rknn_yolov5_demo model/<TARGET_PLATFORM>/yolov5s-640-640.rknn model/bus.jpg

Aarch64 Linux Demo

编译

根据指定平台修改 build-linux_<TARGET_PLATFORM>.sh中的交叉编译器所在目录的路径 TOOL_CHAIN，例如修改成

export TOOL_CHAIN=~/opt/tool_chain/gcc-9.3.0-x86_64_aarch64-linux-gnu/host

然后执行：

./build-linux_<TARGET_PLATFORM>.sh

推送执行文件到板子

连接板子的usb口到PC,将整个demo目录到 /userdata:

adb push install/rknn_yolov5_demo_Linux /userdata/

运行

adb shell
cd /userdata/rknn_yolov5_demo_Linux/

export LD_LIBRARY_PATH=./lib
./rknn_yolov5_demo model/<TARGET_PLATFORM>/yolov5s-640-640.rknn model/bus.jpg

Note: Try searching the location of librga.so and add it to LD_LIBRARY_PATH if the librga.so is not found on the lib folder. Using the following commnands to add to LD_LIBRARY_PATH.

export LD_LIBRARY_PATH=./lib:<LOCATION_LIBRGA.SO>