# Yolov5DevPipeline

**Repository Path**: zptian/yolov5-dev-pipeline

## Basic Information

- **Project Name**: Yolov5DevPipeline
- **Description**: yolov5模型训练和板端部署pipeline
- **Primary Language**: Unknown
- **License**: Apache-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2024-02-02
- **Last Updated**: 2024-02-19

## Categories & Tags

**Categories**: Uncategorized

**Tags**: YOLOv5, Python, 部署, Cpp

## README


# **Yolov5 develop pipeline**


## 简介
仓库内容包括yolov5模型开发的python代码以及在板端部署的C++代码。
最近涉及到使用yolov5做一些工作，整理了开发流程，分享出来。

C++部署通过两种方式: 
1.onnxruntime版本，直接调cpu推理，适用任何板子；
2.rknn版本，适用于在瑞芯微板子部署，调用npu推理；

## 代码结构

```
├── Yolov5_Rknn_master                    #python模型开发代码
├── Yolov5RknnCppDeploy                   #C++部署版本，rknn版本
├── Yolov5OnnxCppDeploy                   #C++部署版本，onnx版本
```
## 开发流程

### 1.模型开发
yolov5模型开发流程，参考[yolov5](https://github.com/ultralytics/yolov5)。


本仓库模型开发代码是瑞芯微提供的[yolov5-rknn](https://github.com/airockchip/yolov5)，在原yolov5基础上进行了修改，方便导出适配瑞芯微官方C++后处理部署的rknn模型，而且对转换.rknn时进行PTQ量化进行了处理，具体导出onnx和转换.rknn参考[yolov5-rknn](https://github.com/airockchip/yolov5)。


最开始需求是在rk3588板子上部署，所以先尝试.rknn推理、后处理流程的跑通,之后onnx版本的部署也就使用了相同的后处理代码。应用该后处理代码，在导出onnx模型时，依赖rknn修改的模型结构，所以就贴了rknn的yolov5代码。

### 2.onnx部署

onnxruntime运行需要对应的库，onnx官方平台下载即可https://github.com/microsoft/onnxruntime/tree/main，onnx c++ api参考：https://onnxruntime.ai/docs/api/c/index.html
图像处理当然少不了opencv，opencv安装记录：https://ypnhdgtftk.feishu.cn/wiki/MY5Lwv9JQizp7nktXaEcMIekn4e?fromScene=spaceOverview

### 3.rknn部署

rknn部署参考rknn官方教程，这里是记录：https://ypnhdgtftk.feishu.cn/wiki/VlA7wnLpmid5K4kBjqochbjNnuW?fromScene=spaceOverview