一、主机模型转换

采用FastDeploy来部署应用深度学习模型到OK3588板卡上

进入主机ubuntu的虚拟环境
conda activate ok3588
主机环境搭建可以参考上一篇 《OK3588板卡实现人像抠图（十二）》

生成onnx文件

cd FastDeploy# 下载Paddle静态图模型并解压wget https://bj.bcebos.com/paddlehub/fastdeploy/PP_TinyPose_256x192_infer.tgztar -xvf PP_TinyPose_256x192_infer.tgz# 静态图转ONNX模型，注意，这里的save_file请和压缩包名对齐paddle2onnx --model_dir PP_TinyPose_256x192_infer \            --model_filename model.pdmodel \            --params_filename model.pdiparams \            --save_file PP_TinyPose_256x192_infer/PP_TinyPose_256x192_infer.onnx \            --enable_dev_version True# 固定shapepython -m paddle2onnx.optimize --input_model PP_TinyPose_256x192_infer/PP_TinyPose_256x192_infer.onnx \    --output_model PP_TinyPose_256x192_infer/PP_TinyPose_256x192_infer.onnx \    --input_shape_dict "{'image':[1,3,256,192]}"

转换成RKNN模型

Python tools/rknpu2/export.py --config_path tools/rknpu2/config/PP_TinyPose_256x192_unquantized.yaml \  --target_platfORM rk3588

把PP_TinyPose_256x192_infer文件夹打包放到OK3588板卡上

二、板卡模型部署

进入虚拟环境
conda activate ok3588
cd FastDeploy/examples/vision/keypointdetection/tiny_pose/rknpu2/cpp
mkdir build
cd build
cmake .. -DFASTDEPLOY_INSTALL_DIR=/home/forlinx/FastDeploy/build/fastdeploy-0.0.0/
make -j
得到了编译后的文件 infer_tinypose_demo

三、执行推理

PP_TinyPose_256x192_infer 文件夹放在build里面

NPU推理

sudo ./infer_tinypose_demo PP_TinyPose_256x192_infer pose.jpg

推理结果展示，即便是个钢铁侠模型，还是可以准确的识别出关键点哈

来源地址：https://blog.csdn.net/shajiayu1/article/details/132539360