# YOLOV8-HJCH

**Repository Path**: huang-huansheng/yolov8-hjch

## Basic Information

- **Project Name**: YOLOV8-HJCH
- **Description**: 香橙派yolov8 C++推理代码
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2024-10-28
- **Last Updated**: 2025-05-19

## Categories & Tags

**Categories**: Uncategorized

**Tags**: YOLOv8, AscendCL, Cpp, NPU

## README

# yolov8-hjch

#### 介绍

香橙派yolov8-hjch模型推理工程。该工程使用C++ ACL Lite加速推理，通过Netron工具可以查看该模型的输出张量为[1,3,640,640]，输出张量为[1,5,8400]。

#### 版本配套表

   | 配套                                                         | 版本    | 环境准备指导                                                 |
   | :------------------------------------------------------------: | :-------: | :------------------------------------------------------------: |
   | 固件与驱动                                                   | 23.0.0   | [固件驱动安装准备](https://www.hiascend.com/document/detail/zh/CANNCommunityEdition/80RC3alpha003/softwareinst/instg/instg_0005.html?Mode=PmIns&OS=Ubuntu&Software=cannToolKit) |
   | CANN                                                         | 7.0.0 |[CANN软件包安装准备](https://www.hiascend.com/document/detail/zh/CANNCommunityEdition/80RC3alpha003/softwareinst/instg/instg_0011.html?Mode=PmIns&OS=Ubuntu&Software=cannToolKit)|
   | 硬件设备型号                                                   | Orange Pi AIpro   | 8G 8Tops                                                 |


#### 执行准备


- 配置离线推理所需的环境变量。

  ```
  # 配置程序编译依赖的头文件与库文件路径
  export DDK_PATH=/usr/local/Ascend/ascend-toolkit/latest 
  export NPU_HOST_LIB=$DDK_PATH/runtime/lib64/stub
  ```

- 安装离线推理所需的ACLLite库。

  参考[ACLLite仓](https://gitee.com/ascend/ACLLite)安装ACLLite库。

- 在有YOLOV8的环境上执行下面python脚本将.pt模型转化成.onnx模型：
```
import argparse
from ultralytics import YOLO

def main():
    parser = argparse.ArgumentParser()
    parser.add_argument('--pt', default="yolov8n", help='.pt file')
    args = parser.parse_args()
    model = YOLO(args.pt)
    onnx_model = model.export(format="onnx", dynamic=False, simplify=True, opset=11)

if __name__ == '__main__':
    main()

```


#### 离线推理

1. 以HwHiAiUser用户登录开发板，切换到当前目录。

2. 进程优化设置。
   - 当设备内存**小于8G**时，可设置如下两个环境变量减少atc模型转换过程中使用的进程数，减小内存占用。
     ```
     export TE_PARALLEL_COMPILER=1
     export MAX_COMPILE_CORE_NUMBER=1
     ```
3. aipp部分参数配置。[https://www.hiascend.com/document/detail/zh/canncommercial/80RC22/devaids/auxiliarydevtool/atlasatc_16_0016.html](https://www.hiascend.com/document/detail/zh/canncommercial/80RC22/devaids/auxiliarydevtool/atlasatc_16_0016.html)

     | 参数                                                         | 值    | 说明                                                 |
   | :------------------------------------------------------------: | :-------: | :------------------------------------------------------------: |
   | related_input_rank                                                   | 0   | 对模型第0个输入进行AIPP处理 |
   | src_image_size_w                                                          | 640 |图片的宽度 |
   | src_image_size_h                                                          | 640 |图片的高度 |
   | crop                                                                      | false | 不进行图裁剪    |
   | input_format                                                          |YUV420SP_U8 |输入图像类型为YUV420SP_U8  |
   | aipp_mode                                                   | static   | 静态AIPP  |
   | csc_switch                                                          | true  |打开色域转换开关，本文转换指YUV转RGB  |
   | rbuv_swap_switch                                                           | false  |色域转换前交换U，V通道 |

     
   
4. 模型转换，将hjch.onnx模型转换为昇腾AI处理器能识别的模型（.om）。

   cd model目录下执行：
     ```
     atc --model=hjch.onnx --framework=5 --soc_version=Ascend310B4 --output=hjch --insert_op_conf=aipp.cfg
     ```

     atc命令中各参数的解释如下，详细约束说明请参见[《ATC模型转换指南》][(https://hiascend.com/document/redirect/CannCommunityAtc)])。

     - --model：转换前模型文件的路径。
     - --framework：原始框架类型。5表示ONNX。
     - --output：转换后模型文件的路径。请注意，记录保存该om模型文件的路径，后续开发应用时需要使用。
     - --input_shape：模型输入数据的shape。
     - --soc_version：昇腾AI处理器的版本。


5. 编译源码。

   执行以下命令编译源码。

   ```
   cd ../scripts 
   bash build.sh
   ```

6. 运行代码。

   执行以下脚本运行工程：

   ```
   bash run.sh
   ```

   执行成功后，output目录下会生成检测输出图片

   


#### 相关操作