cmake_minimum_required(VERSION 3.4.1)
project(rknn_yolov5_demo)
set(CMAKE_CXX_STANDARD 14)
set(CMAKE_CXX_STANDARD_REQUIRED ON)
set(CMAKE_CXX_FLAGS "-pthread")
# skip 3rd-party lib dependencies
set(CMAKE_EXE_LINKER_FLAGS "${CMAKE_EXE_LINKER_FLAGS} -Wl,--allow-shlib-undefined")
# install target and libraries
set(CMAKE_INSTALL_PREFIX ${CMAKE_SOURCE_DIR}/install/rknn_yolov5_demo_${CMAKE_SYSTEM_NAME})
set(CMAKE_SKIP_INSTALL_RPATH FALSE)
set(CMAKE_BUILD_WITH_INSTALL_RPATH TRUE)
set(CMAKE_INSTALL_RPATH "${CMAKE_INSTALL_PREFIX}/lib")
# rknn api
set(RKNN_API_PATH ${CMAKE_SOURCE_DIR}/../../runtime/RK3588/${CMAKE_SYSTEM_NAME}/librknn_api)
set(LIB_ARCH aarch64)
set(RKNN_RT_LIB ${CMAKE_SOURCE_DIR}/include/librknnrt.so)
#rga
set(RGA_PATH ${CMAKE_SOURCE_DIR}/include/3rdparty/rga/RK3588)
set(RGA_LIB ${RGA_PATH}/lib/Linux//${LIB_ARCH}/librga.so)
include_directories(${RKNN_API_PATH}/include)
include_directories(${CMAKE_SOURCE_DIR}/include/3rdparty)
include_directories(${RGA_PATH}/include)
# opencv
find_package(OpenCV REQUIRED)
set(CMAKE_INSTALL_RPATH "lib")
# rknn_yolov5_demo
include_directories( ${CMAKE_SOURCE_DIR}/include)
add_executable(rknn_yolov5_demo
src/main.cc
src/postprocess.cc
src/preprocess.cc
src/rkYolov5s.cc
)
target_link_libraries(rknn_yolov5_demo
${RKNN_RT_LIB}
${OpenCV_LIBS}
${RGA_LIB}
)
# install target and libraries
set(CMAKE_INSTALL_PREFIX ${CMAKE_SOURCE_DIR}/install/rknn_yolov5_demo_${CMAKE_SYSTEM_NAME})
install(TARGETS rknn_yolov5_demo DESTINATION ./)
install(PROGRAMS ${RKNN_RT_LIB} DESTINATION lib)
install(PROGRAMS ${RGA_LIB} DESTINATION lib)
install(DIRECTORY model DESTINATION ./)
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
rk3588rk3588s使用c++多线程异步等优化c++实现源码(yolov5运行可达到142fps)+项目使用说明.zip 【资源介绍】 该项目为c++实现, 大体改自rknpu2 使用线程池异步操作rknn模型, 提高rk3588/rk3588s的NPU使用率, 进而提高推理帧数 yolov5s使用relu激活函数进行优化,提高量化能力 rk3568等请自行修改include/rknnPool.hpp下的rknn_lite类和rknnPool的构造函数 演示 系统需安装有OpenCV 下载Releases中的测试视频于项目根目录,运行build-linux_RK3588.sh 可切换至root用户运行performance.sh定频提高性能和稳定性 编译完成后进入install运行命令./rknn_yolov5_demo 模型所在路径 视频所在路径/摄像头序号 部署应用 修改include/rknnPool.hpp中的rknn_lite类 修改inclue/rknnPool.hpp中的rknnPool类的构造函数 多线程模型帧率测试 更多详细介绍请看说明文档!
资源推荐
资源详情
资源评论
收起资源包目录
rk3588rk3588s使用c++多线程异步等优化c++实现源码(yolov5运行可达到142fps)+项目使用说明.zip (42个子文件)
rknn-cpp-Multithreading-main
build-linux_RK3588.sh 702B
include
preprocess.h 612B
postprocess.h 1KB
librknn_api.so 12B
rknn_api.h 31KB
3rdparty
rga
RK3588
include
im2d_mpi.h 3KB
im2d.hpp 825B
RgaSingleton.h 2KB
im2d_expand.h 1KB
drmrga.h 9KB
im2d_version.h 2KB
RockchipRga.h 3KB
RgaUtils.h 1KB
RgaMutex.h 6KB
im2d.h 945B
rga.h 4KB
RgaApi.h 2KB
im2d_buffer.h 7KB
im2d_type.h 14KB
im2d_common.h 5KB
im2d_task.h 14KB
im2d_single.h 30KB
GrallocOps.h 2KB
lib
Linux
aarch64
librga.so 212KB
rga_func.h 796B
coreNum.hpp 389B
rknn_matmul_api.h 8KB
drm_func.h 1KB
ThreadPool.hpp 5KB
rknnPool.hpp 3KB
rkYolov5s.hpp 954B
librknnrt.so 5MB
CMakeLists.txt 2KB
src
preprocess.cc 2KB
rkYolov5s.cc 9KB
postprocess.cc 11KB
main.cc 2KB
performance.sh 2KB
文档.txt 1KB
model
coco_80_labels_list.txt 621B
RK3588
yolov5s-640-640.rknn 8.08MB
.gitignore 315B
共 42 条
- 1
资源评论
程序员张小妍
- 粉丝: 1w+
- 资源: 3086
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 基于宏晶STC单片机开发ISP程序Demo-使用Y-Modem协议软件源码+文档说明资料.zip
- 基于Vue+Echarts开发的风力发电机中传感器的数据展示监控
- 新普_软包电池_三是调试工程05301.zip
- 基于python遥感毕业设计TOA深度学习反演PM2.5源码+文档说明(高分项目)
- 基于stc8A系列单片机和ov7670模块制作的人脸识别系统
- 基于python的系统设计与实现博客系统.zip
- SSH客户机Xshell资源包
- 未命名1.cpp
- AD7177-2 AD7175-2, AD7172-2 AD717X-系列芯片多路复用模数转换器驱动程序C源码.zip
- 后端框架入门掌握SpringBoot和Django等后端框架电子资源pdf
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功