apps/FastDeploy
1
0
Fork 0
mirror of https://github.com/PaddlePaddle/FastDeploy.git synced 2025-10-15 05:01:00 +08:00
Code Issues Actions 5 Packages Projects Releases Wiki Activity
Files
376fdbfe2c40d966416638dfa30a6bb092468461
FastDeploy/examples/vision/facedet/scrfd/rknpu2/cpp
History
huangjianhui 376fdbfe2c [Other] Update old Api to new ones (#861) 
* Update keypointdetection result docs

* Update im.copy() to im in examples

* Update new Api, fastdeploy::vision::Visualize to fastdeploy::vision

* Update SwapBackgroundSegmentation && SwapBackgroundMatting to SwapBackground

* Update README_CN.md

* Update README_CN.md
2022-12-14 17:25:58 +08:00
..
CMakeLists.txt
[Model] 新增scrfd rknpu2代码 (#504)
2022-11-10 10:05:15 +08:00
infer.cc
[Other] Update old Api to new ones (#861)
2022-12-14 17:25:58 +08:00
README.md
[Model] 新增scrfd rknpu2代码 (#504)
2022-11-10 10:05:15 +08:00

README.md

SCRFD C++部署示例

本目录下提供infer.cc快速完成SCRFD在NPU加速部署的示例。

在部署前，需确认以下两个步骤:

  1. 软硬件环境满足要求
  2. 根据开发环境，下载预编译部署库或者从头编译FastDeploy仓库

以上步骤请参考RK2代NPU部署库编译实现

生成基本目录文件

该例程由以下几个部分组成

.
├── CMakeLists.txt
├── build  # 编译文件夹
├── image  # 存放图片的文件夹
├── infer_cpu_npu.cc
├── infer_cpu_npu.h
├── main.cc
├── model  # 存放模型文件的文件夹
└── thirdpartys  # 存放sdk的文件夹

首先需要先生成目录结构

mkdir build
mkdir images
mkdir model
mkdir thirdpartys

编译

编译并拷贝SDK到thirdpartys文件夹

请参考RK2代NPU部署库编译仓库编译SDK，编译完成后，将在build目录下生成 fastdeploy-0.7.0目录，请移动它至thirdpartys目录下.

拷贝模型文件，以及配置文件至model文件夹

在Paddle动态图模型 -> Paddle静态图模型 -> ONNX模型的过程中，将生成ONNX文件以及对应的yaml配置文件，请将配置文件存放到model文件夹内。 转换为RKNN后的模型文件也需要拷贝至model。

准备测试图片至image文件夹

wget https://raw.githubusercontent.com/DefTruth/lite.ai.toolkit/main/examples/lite/resources/test_lite_face_detector_3.jpg
cp test_lite_face_detector_3.jpg ./images

编译example

cd build
cmake ..
make -j8
make install

运行例程

cd ./build/install
./rknpu_test

运行完成可视化结果如下图所示