# atom_rk3568_yolov5

**Repository Path**: run1230/atom_rk3568_yolov5

## Basic Information

- **Project Name**: atom_rk3568_yolov5
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: MIT
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-03-06
- **Last Updated**: 2025-03-06

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 简介
* 此仓库为c++实现, 可以跑图片和视频文件/摄像头大体改自[rknpu2](https://github.com/rockchip-linux/rknpu2),本代码不采用python。
* 使用官方rknn模型, rk3568单线程推理帧数大约20fps（50ms左右），3588跑满了720p30hz摄像头，理论上50帧（20ms内）。
* 使用过正点原子的CB1和香橙派5板子测试。
* **在板端编译部署**

# 更新说明
* 将RK3568与RK3588都可以使用.


# 使用说明
### 演示
  * 系统需安装有**OpenCV** **CMake** **GCC，G++**
  * 下载Releases中的测试视频于项目根目录,运行编译，
  ```
  bash build-linux_RK3568.sh
  ```
  
  * 编译完成后进入install运行命令./rknn_yolov5_demo **模型所在路径** **图片，视频所在路径/摄像头序号**
  ```
  ./rknn_yolov5_demo ./model/yolov5s3568_80.rknn ./bus.jpg
  ./rknn_yolov5_demo ./model/yolov5s3568_80.rknn 10
  ./rknn_yolov5_demo ./model/yolov5s3568_80.rknn ./*.mp4
  ```

# 帧率测试
* 使用performance.sh进行CPU/NPU定频尽量减少误差
* 测试模型来源: 自己转化或官方模型
* [yolov5s-relu](https://github.com/rockchip-linux/rknpu2/blob/master/examples/rknn_yolov5_demo/model/RK3566_RK3568/yolov5s-640-640.rknn)
* 测试视频可见于 [bilibili](https://www.bilibili.com/video/BV1YvrUYBEZ5/?spm_id_from=333.1007)


# 补充
* 异常处理尚未完善, 目前仅支持rk3588/rk3588s下的运行
* 模型转换使用[rknn-toolkit2](https://github.com/airockchip/rknn-toolkit2)
* 如使用自己训练的模型部署时需要修改model下的coco_80_labels_list.txt文件和postprocess.h中的OBJ_CLASS_NUM

# Acknowledgements
* https://github.com/leafqycc/rknn-cpp-Multithreading
* https://github.com/hydrogenbond001/rknn-yolov5-cpp
* https://github.com/rockchip-linux/rknpu2
* https://github.com/senlinzhan/dpool
* https://github.com/ultralytics/yolov5
* https://github.com/airockchip/rknn_model_zoo