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763 收藏 10
点赞数 8
CC 4.0 BY-SA版权
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.csdn.net/weixin_51988935/article/details/144688170

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                                    &

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 1448
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
12-24 984
​ 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.
超详细配置YOLOv8教程（毕设必看）（训练自己数据集）（Pycharm保姆级安装教程）（lablme的使用）（GPU版）
sevenlucksky的博客
06-17 1045
本篇文章从最基础的标注数据集开始教学，直到最终成功调用GPU训练本人标注数据集，整个过程超级详细，基本都可以成功复现，同时也希望能对大家有所启发。
yolov8部署到RK3588_并运行示例12.4_笔记2
m0_60657960的博客
12-04 4352
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 1656
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
11-08 794
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
12-04 505
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。
RK3588平台YOLOv8人体姿态估计模型部署实战：从ONNX到RKNN的完整转换与优化指南
最新发布
LXY_LOVE36的博客
07-04 81
本文详细介绍了将YOLOv8-Pose人体姿态估计模型部署到RK3588边缘设备的完整流程。主要内容包括：1）模型转换（PyTorch→ONNX→RKNN），重点解决格式兼容性和量化问题；2）后处理优化，改进关键点解码和NMS算法；3）RK3588平台性能调优，通过内存管理和NPU配置实现43ms低延迟推理。文章还提供了舞蹈动作识别等实战案例，并包含详细的环境配置、代码实现和性能对比数据。配套资源：资料链接[1]、视频讲解[2]。 [1] 模型转换工具包下载链接 [2] 部署实战视频教程链接 （全文148字
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。 --------
将labelme数据标注格式转换为YoloV8语义分割数据集，并可自动划分训练集和验证集
08-07
将labelme数据标注格式转换为YoloV8语义分割数据集，并可自动划分训练集和验证集
【YOLOv8-pose部署至RK3588】模型训练→转换RKNN→开发板部署
A_l_b_ert的博客
04-22 2415
最近做了一个YOLOv8 pose的关键点检测项目，涉及模型训练、转ONNX、转RKNN量化以及RK3588开发板调试部署，查了下CSDN上暂未有关于YOLOv8 pose在RK系列开发板的免费详细教程，遂开此文，相互学习。
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 7144
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）
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 2352
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 6340
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。
yolov8-pose的数据集标注
qq_42178122的博客
10-27 3078
yolov8-pose制作自制数据集
YOLOv8教程：使用labelme工具进行自定义数据集训练YOLOv8模型，包含数据准备，模型训练，预测，验证，导出
wcy1995427的博客
07-04 4494
【YOLOv8训练】使用自定义数据集训练YOLOv8模型，包含数据准备/模型训练/预测/验证/导出等，转载自：https://blog.csdn.net/weixin_45921929/article/details/128673338。在配置好的环境中运行命令即可进行训练，提前下载好与训练模型，放在分析的路径中，对于GPU不是很好的情况，选择单卡进行，小批次进行。除此之外，还可以进行自动数据标注标签的分析，结合SAM进行分割与标签对应，完成训练数据的整理。1.labelme数据标注。如有侵权，立即删除！
yolov8-pose关键点检测模型转rknn
03-28
为了将 YOLOv8 Pose 模型转换为 RKNN 格式，第一步是从 PyTorch 的 `.pt` 文件导出为 ONNX 格式。可以通过创建 `export_onnx.py` 并添加以下代码来完成此操作： ```python from ultralytics import YOLO model = ...
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