1.数据标注

• 通过 labelimg 软件进行图片数据标注。
• 深入解析 LabelImage：图像标注工具的全面指南 -CSDN 博客
• 提前 predefined_classes.txt 文本中修改不同类别的数据。

2.模型训练

• 以 RKNN 系列模型为例，训练一个 yolov7 的目标检测模型。
• 通过 SSH 进入计算服务器的 Docker 中，按照 readme 文件进行模型训练。
• http://10.1.0.100:9000/ user keyword
• docker attach yolov7-gzq
• 通常情况下将标注好的数据放入 yolov7-rknn/datasets 文件夹中，修改 yolov7-rknn/data 文件夹中的数据集配置文件，在 yolov7-rknn 文件夹 中执行 python train.py —data ./data/XXX.yaml —workers 8 —batch 64 —device 0 —epoch 300 进行训练
• 执行后运行 python export.py —rknpu rk3588 — weight ./runs/train/expXX/weights/best.pt 导出 onnx 文件以供转换。

3.模型转换与部署

• 参照 airockchip/rknn-toolkit2 at v1.5.2 进行模型转换。
• 将转换好的模型拷贝至部署代码的 model/RK3588 的文件夹中，同 时参照 model 文件夹中的文本编写类别信息。
• 修改 include/postprocess.h 中 OBJ_CLASS_NUM（类别数） 和 src/postprocess.cc 的 LABEL_NALE_TXT_PATH（类别信息文本的地 址）。
• 重新执行编译脚本编译代码。
• 按照 install.md 文件执行，并使用 orangepi-config 使能串口 0 和串 口 1。