VIP11

本课程属于：120-RK3588与RKNN边缘AI部署 AI智能与边缘计算工程 · 共 11 门相关课程，组合学习更完整。

查看所属VIP全部课程 →

← 返回所属目录咨询 / 购买

8. RKNN YOLO部署：目标检测模型转换与后处理

共计 30 章节

点击此处阅读海量试读课程：100+行业、1000+细分领域

了解RKNN YOLO部署的整体流程 · 学习目标 · 适用硬件平台（瑞芯微NPU）及课程项…

课程导入RKNN

搭建RKNN-Toolkit2开发环… · 安装依赖 · 配置Python虚拟环境

环境准备RKNN-Toolkit…

YOLO模型基础

回顾YOLO系列（v5/v8等）的网… · 输出张量格式（边界框 · 置信度

YOLO模型基础

模型转换前置准备

导出ONNX模型 · 设置动态/静态输入尺寸 · 处理NMS层（导出时去除或保留）

模型转换前置准备ONNX

RKNN-Toolkit2转换流程

使用RKNN-Toolkit2将ON… · 配置量化配置（fp16/int8） · 输入尺寸

RKNN-Toolkit…转换流程

量化与精度分析

理解量化原理（int8/uint8） · 使用量化数据集进行校准 · 分析量化后精度损失并调整量化策略

量化精度分析

RKNN模型评估与验证

在PC上使用模拟器（Simulato… · 对比ONNX输出 · 验证转换正确性

RKNN模型评估

板端部署环境

配置瑞芯微开发板（如RK3588/R… · 安装NPU驱动 · 运行时库（librknnrt.so）…

板端部署环境RK3588/R

RKNN C API编程

掌握RKNN C API核心函数（r… · rknn_inputs_set · rknn_run

图像预处理

实现YOLO输入所需的图像缩放（le… · 归一化 · BGR/RGB转换及数据布局（NHW…

图像预处理YOLO

模型推理调用

在板端加载RKNN模型 · 设置输入输出 · 执行推理并获取原始输出张量

模型推理调用RKNN

YOLO后处理之解码

解析RKNN输出 · 根据模型输出格式（如1×25200×… · 置信度和类别概率

YOLO后处理之解码

置信度过滤与阈值筛选

设置置信度阈值（conf_thres… · 过滤低置信度检测框 · 保留有效候选框

置信度过滤阈值筛选

NMS非极大值抑制

实现NMS算法（或调用板端加速库） · 去除重叠框 · 处理多类别NMS

NMS非极大值抑制

后处理优化

使用向量化 · 定点化或NPU加速后处理 · 减少CPU负载

后处理优化使用向量化

多线程与流水线设计

设计采集-推理-后处理-显示的多线程… · 使用队列和同步机制提高整体吞吐量

多线程流水线设计

分析模型推理时间 · 后处理耗时 · 使用NPU性能分析工具（如rknn_…

性能调优分析模型推理时间

内存管理与零拷贝

使用DMA/ION内存分配 · 实现零拷贝输入输出 · 减少内存拷贝开销

内存管理零拷贝

多模型并行与多路视频

处理多路摄像头或多模型同时推理的场景 · 管理NPU资源分配与调度

多模型并行多路视频

常见问题排查

解决模型转换失败 · 输出尺寸不匹配 · 精度异常

常见问题排查解决模型转换失败

RKNN模型加密与部署保护

使用RKNN模型加密工具保护模型知识… · 实现安全部署

RKNN模型加密

基于RK3588的YOLOv5目标检… · 实现实时视频流检测并显示结果

实战项目RK3588

基于RK3566的YOLOv8检测 · 优化模型和后处理 · 达到可用的帧率

实战项目RK3566

自定义数据集训练与部署 · 转换RKNN并部署到开发板 · 完成端到端流程

实战项目自定义数据集训练

后处理代码模块化设计

将解码 · 过滤 · NMS封装为可复用模块

后处理代码模块化…将解码

与OpenCV/FFmpeg集成

在板端集成OpenCV进行图像采集和… · 或使用FFmpeg处理视频流 · 实现完整应用

OpenCV/FFmpe…集成

模型轻量化与剪枝

对YOLO模型进行剪枝 · 蒸馏或使用轻量骨干（如MobileN… · 适配边缘设备

模型轻量化剪枝

RKNN模型版本兼容性

了解RKNN-Toolkit2与运行… · 处理模型升级和兼容性问题

RKNN模型版本兼容性

智能安防系统 · 实现人员/车辆检测 · 联动报警

综合案例智能安防系统

课程总结与进阶方向

回顾全课程要点 · 总结部署最佳实践 · 探讨未来扩展（如Transforme…

课程总结进阶方向