yolov8pose 瑞芯微 rknn 板端 C++部署，使用平台 rk3588。模型转换和仿真测试参考 onnx转rknn。
1）编译
cd examples/rknn_yolov8pose_demo_open
bash build-linux_RK3588.sh
2）运行
cd install/rknn_yolov8pose_demo_Linux
./rknn_yolov8pose_demo
注意：修改模型、测试图像、保存图像的路径，修改文件为src下的main.cc
int main(int argc, char **argv)
{
char model_path[256] = "/home/zhangqian/rknn/examples/rknn_yolov8pose_demo_open/model/RK3588/yolov8pos_relu_zq.rknn";
char image_path[256] = "/home/zhangqian/rknn/examples/rknn_yolov8pose_demo_open/test.jpg";
char save_image_path[256] = "/home/zhangqian/rknn/examples/rknn_yolov8pose_demo_open/test_result.jpg";
detect(model_path, image_path, save_image_path);
return 0;
}
冒号“:”前的数子是coco的80类对应的类别，后面的浮点数是目标得分。（类别:得分）
说明：推理测试预处理没有考虑等比率缩放，激活函数 SiLU 用 Relu 进行了替换。由于使用的数据不多，效果并不是很好，仅供测试流程用。
把板端模型推理和后处理时耗也附上，供参考，使用的芯片rk3588，输入分辨率640x640。
【yolov8pose 瑞芯微RKNN芯片、地平线Horizon芯片、TensorRT部署】
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent