【米尔RK3576开发板评测】+项目名称百度飞桨PP-YOLOE

一、简介
PP-YOLOE是百度基于其之前的PP-YOLOv2所改进的卓越的单阶段Anchor-free模型，超越了多种流行的YOLO模型。PP-YOLOE，有更高的检测精度且部署友好。
PP-YOLOE基于anchor-free的架构，使用强大的backbone和neck，引入了CSPRepResStage，ET-head 和动态标签分配算法TAL。针对不同应用场景，提供了不同大小的模型。即s/m/l/x，可以通过width multiplier和depth multiplier配置。PP-YOLOE避免了使用诸如Deformable Convolution或者Matrix NMS之类的特殊算子，以使其能轻松地部署在多种多样的硬件上。

二、激活Toolkit环境
进入Toolkit conda

三、准备模型
3.1、首先找到PPYOLOE的例程文件路径，运行命令下载相应的ONNX模型。
./download_model.sh

3.2、使用Toolkit2工具，在PC端将ONNX模型转换成为RKNN模型。

python convert.py ../model/ppyoloe_s.onnx rk3576 i8 ../model/ppyoloe_s.rknn

3.3、程序编译，将转换后RKNN模型，编译成为RK3576能够运行的文件。
bash ./build-linux.sh -t rk3576 -a aarch64 -d ppyoloe

四、RK3576运行
4.1、将编译后的文件上传至开发板中
4.2、打开文件路径，授权rknn_ppyoloe_demo文件权限
chmod 777 rknn_ppyoloe_demo

4.3、运行程序，想要检测识别的图片
./rknn_ppyoloe_demo ./model/ppyoloe_s.rknn ./model/bus.jpg

检测结果如图所示：