# rknn-python-yolov5

**Repository Path**: robhalff/rknn-python-yolov5

## Basic Information

- **Project Name**: rknn-python-yolov5
- **Description**: rk3588上使用python对yolov5s进行推理
- **Primary Language**: Python
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 3
- **Created**: 2024-08-14
- **Last Updated**: 2024-08-14

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 简介
* 使用多线程异步操作rknn模型, 提高rk3588/rk3588s的NPU使用率, 进而提高推理帧数，不过实际在使用摄像头做实时目标检测的时候帧率在25左右，所以后面打算主要使用rknpu2做板端部署，预计会快很多，有待验证


# 更新说明
* 无


# 使用说明
### 演示
  * 运行rkcat.sh可以查看当前温度与NPU占用
  * 运行rk3588可以GPU，NPU,CPU的温度和npu的使用率
### 部署应用
  * 修改main.py下的modelPath为你自己的模型所在路径
  * 修改main.py下的cap为你想要运行的视频/摄像头
  * 修改main.py下的TPEs为你想要的线程数, 具体可参考下表，也可以在运行代码的
  * 修改func.py为你自己需要的推理函数, 具体可查看myFunc函数
  * 开六个线程推理本地视频能达到75帧左右，受限于摄像头最高帧率为25帧，暂时没测试到实时目标检测能处理的最高帧率
# 补充
* 多线程下CPU, NPU占用较高, **核心温度相应增高**, 请做好散热。
* 使用摄像头做实时目标检测的时候会出现帧率下降很多的情况，我使用1080p usb的摄像头推理的帧率在25fps左右