YOLOv10 для Rockchip

Репозиторий содержит экспорт YOLOv10 в формат RKNN2 для одноплатных компьютеров Rockchip RK3576 и RK3588. Доступны варианты n, s, m, b, l и x в FP16 и INT8 — для детекции объектов на edge-устройствах.

👀 Ключевые особенности

• 🤖 Шесть размеров YOLOv10: n, s, m, b, l и x.
• 🔥 Поддержка чипов RK3576 и RK3588.
• 💯 Две точности: FP16 и INT8, с квантованием графа для INT8.
• 🚀 Для каждой модели нужно скачать model.rknn и metadata.yaml.
• 👌 Воспроизводимый пайплайн: скрипты, версии пакетов и хеши калибровки в source.

👀 Пример

Конвертация FP16 для RK3588:

python source/convert-model.py source/weights/yolov10n.pt \
  --chip rk3588 --precision fp16 \
  --imgsz 640 --output yolov10n-rk3588

Подробнее

Экспорт выполнен из официальных ассетов Ultralytics 8.4.184 с помощью RKNN Toolkit2 2.3.2.
Для INT8 нужен калибровочный набор: например COCO128 с лимитом 128 изображений.
Экспорты и исходные чекпоинты распространяются по AGPL-3.0.
В manifest.json записаны хеши файлов, точность и размер входа.