yolov8obb 旋转目标检测 瑞芯微 rknn rk3588 部署 C++代码

  有网友说看到了yolov8obb导出onnx以及转换成rknn的博客，但没有找到对应的上板子的C++代码，希望提供一个rk的C++代码，供参考学习一下。之前写完导出onnx和转换rknn后，由于目前也没有项目用，计划以后有项目用了在写部署rk的C++代码，奈何有网友私信。花了一点时间写了一下部署rk的C++代码，其实就是把测试onnx的代码改成C++。不为工作而整部署内心迷茫的我，希望早日遇到玩移植部署而温暖的你。

  yolov8obb 旋转目标检测rknn的C++部署。

  直接上代码和模型，欢迎参考交流 【完整代码和模型】

1、rknn模型准备

  pytorch转onnx，onnx再转rknn模型这一步就不再赘述，请参考上一篇 【yolov8-obb 旋转目标检测 瑞芯微RKNN芯片部署、地平线Horizon芯片部署、TensorRT部署】 。

2、C++ 代码

  模型和图片读取部分参考rknn官方提供的示例，详细代码请参本实例对应的github仓库，代码和模型 。本实例提供的完整代码也就只包含两个.c文件和一个.h 文件，主打一个简单。

3、编译运行

1）编译

cd examples/rknn_yolov8_obb_demo

bash build-linux_RK3588.sh

2）运行

cd install/rknn_yolov8obb_demo_Linux

./rknn_yolov8obb_demo

  注意：修改模型、测试图像、保存图像的路径，所在文件为 src 下main.cc文件。示例使用的类别时15类，自己的数据注意修改类别，在 include 下 postprocess.h 文件。具体代码细节参考对应的代码仓库。

4、板端效果

onnx 测试效果

rk3588板子上效果
  板端rknn测试效果，冒号“:”前的数子是coco的80类对应的类别，后面的浮点数是目标得分（类别:得分）。板端效果和onnx效果不完全一致是由于转rknn时精度有所丢失导致。若想让精度丢失的少，可以考虑使用更多、更丰富的量化图片。

5、模型和后处理时耗