文章目录
- 概要
- 生成ONNX
- 生成RKNN
- 实测效果
概要
使用 RKNN 进行 YOLOv11 Pose 部署的必要性在于，RKNN 能将 YOLOv11 Pose 模型转化为适合 Rockchip 硬件平台（如 RV1109、RV1126）执行的格式，充分利用其 AI 加速功能，显著提高推理速度和效率。此外，RKNN 提供模型优化（如量化）功能，有助于减少计算资源消耗，提升实时处理能力，特别适合在嵌入式设备上进行高效、低功耗的姿态估计任务，满足边缘计算和实时应用的需求。
生成ONNX
修改engine/model.py中的Model._new函数
def _new(self, cfg: str, task=
