yolov8n_onnx_tensorRT_rknn_horizon

yolov8n 部署版本，后处理用python语言和C++语言形式进行改写，便于移植不同平台（onnx、tensorRT、rknn、Horizon）。

文件夹结构说明

yolov8n_onnx：onnx模型、测试图像、测试结果、测试demo脚本

yolov8n_TensorRT：TensorRT版本模型、测试图像、测试结果、测试demo脚本、onnx模型、onnx2tensorRT脚本(tensorRT-7.2.3.4)

yolov8n_rknn：rknn模型、测试（量化）图像、测试结果、onnx2rknn转换测试脚本

yolov8n_horizon：地平线模型、测试（量化）图像、测试结果、转换测试脚本、测试量化后onnx模型脚本

测试结果

（注：图片来源coco128）

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。由于使用的是coco128数据进行训练的，且迭代的次数不多，效果并不是很好，仅供测试流程用。

导出onnx参考 yolov8 瑞芯微RKNN和地平线Horizon芯片仿真测试部署-2023年11月15日版本

导出onnx参考 yolov8 瑞芯微RKNN和地平线Horizon芯片仿真测试部署-2023年2月版本

该种方式优缺点

优点：板端部署通用性好，在板端效率高。 缺点：工程难道大。

官方导出onnx方式板端部署方式参考 官方导出onnx方式部署 。

板端C++部署（以rknn芯片为例）

rknn的板端部署参考 C++部署

yolov8seg 部署参考

想试试yolov8seg的小伙伴看过来：模型+代码