yolov8pose 部署版本,便于移植不同平台(onnx、tensorRT、rknn、Horizon)。
特别说明:本示例提供的代码只适用按照本链接提供的方式导出的onnx,导出onnx方式参考后文链接。本示例中模型的训练使用的数据不多,模型效果无法保证,只是用来测试部署用的,如果换其他图像可能存在检测不到的现象。
yolov8pose_onnx:onnx模型、测试图像、测试结果、pytorch测试结果、测试demo脚本
yolov8pose_TensorRT:TensorRT版本模型、测试图像、测试结果、测试demo脚本、onnx模型、onnx2tensorRT脚本(tensorRT-7.2.3.4)
yolov8pose_rknn:rknn模型、测试(量化)图像、测试结果、onnx2rknn转换测试脚本
yolov8pose_horizon:地平线模型、测试(量化)图像、测试结果、转换测试脚本、测试量化后onnx模型脚本
pytyorch 测试结果
onnx测试结果
(注:图片来源coco数据集)
说明:推理测试预处理没有考虑等比率缩放,激活函数 SiLU 用 Relu 进行了替换。由于模型训练使用的数据并不多,且迭代的次数不多,效果并不是很好,仅供测试流程用。
导出onnx参考 yolov8pose 瑞芯微RKNN芯片、地平线Horizon芯片、TensorRT部署
部署导出方高效方式参考 类似本实例中导出检测方式
官方导出onnx方式板端部署方式参考 官方导出onnx方式部署
rknn的板端C++部署参考 C++部署
yolov8seg 部署 模型+代码