yolov9 瑞芯微 rknn 部署 C++代码_yolov9 转rknn

   yolov9目标检测rknn的C++部署来了。

   特别说明：如有侵权告知删除，谢谢。

  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 【yolov9 瑞芯微芯片rknn部署、地平线芯片Horizon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，阅读起来没啥难度。

3、编译运行

1）编译

cd examples/rknn_yolov9_demo_dfl_open

bash build-linux_RK3588.sh
1
2
3

2）运行

cd install/rknn_yolov9_demo_Linux

./rknn_yolov9_demo
1
2
3

  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80类，自己的数据注意修改类别，在 include 下 postprocess.h 文件。

4、板端效果

pytorch测试效果

  onnx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）

5、后处理时耗

  训练代码参考官方开源的yolov9训练代码，考虑到有些板端对SiLU的支持有限，本示例训练前把激活函数SiLU替换成了ReLU，训练使用的模型配置文件是yolov9.yaml，输入分辨率640x640。用 from thop import profile 统计的模型计算量和参数量 Flops: 120081612800.0（120G），Params: 55388336.0（55M）。

  由于模型的计算量在这里，所以推理时耗长也在意料之中，当然可以考虑用yolov9小一点模型配置。