Yolov8在RK3588上进行自定义目标检测(二)

best.pt转best.onnx

Yolov8在RK3588上进行自定义目标检测(一)已经进行了配置文件修改。接下来可以直接进行模型的转换。

下面是两种转换方法：

1.命令行

yolo export model=best.pt format=rknn

2.转换脚本 convert_to_onnx.py

from ultralytics import YOLO model = YOLO(r'C:\Users\WYX\Desktop\code\yolov8-main\runs\detect\train\weights\best.pt') model.export(format="rknn")

直接运行python convert_to_onnx.py。

3.执行结果

将会在yolov8-main\runs\detect\train\weights目录生成onnx模型文件。

验证onnx模型

在虚拟机rknn_moodel_zoo/examples/yolov8/python/中执行以下代码测试onnx是否正确；
修改yolov8.py中的CLASSES和coco_id_list；
修改/rknn_model_zoo/examples/yolov8/model/coco_80_labels_list.txt为自己的标签种类；
修改同目录下的dataset.txt为自己数据集中的一张照片；

python yolov8.py --model_path <best.onnx所在的路径> --img_show

参考链接：

用rknn-toolkit2_2.0.0在RK3588上部署YOLOv8-CSDN博客

YOLOv8部署在RK3588上_rk3588 yolov8部署-CSDN博客

yolov8目标检测 部署瑞芯微rk3588记录_yolov8 rknn-CSDN博客