算法部署-基于rknn+Cpp在瑞芯微rk3588上部署YOLOv10目标检测算法-附项目源码+流程教程-优质项目实战.zip

# yolov10_rknn_Cplusplus yolov10 瑞芯微 rknn 板端 C++部署，使用平台 rk3588。 ## 编译和运行 1）编译 ``` cd examples/rknn_yolov10_demo_open bash build-linux_RK3588.sh ``` 2）运行 ``` cd install/rknn_yolov10_demo_open ./rknn_yolov10_demo ``` 注意：修改模型、测试图像、保存图像的路径，修改文件为src下的main.cc ``` int main(int argc, char **argv) { char model_path[256] = "./model/RK3588/yolov8n_ZQ.rknn"; char image_path[256] = "./test.jpg"; char save_image_path[256] = "./test_result.jpg"; detect(model_path, image_path, save_image_path); return 0; } ``` # 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）  把板端模型推理和后处理时耗也附上，供参考，使用的芯片rk3588，模型输入640x640，检测类别80类。  本示例用的是yolov10n，模型计算量6.7G，看到这个时耗觉得可能是有操作切换到CPU上进行计算的，查了rknn转换模型日志确实是有操作切换到CPU上进行的，对应的是模型中 PSA 模块计算 Attention 这部分操作。