说明文档

RTMO / YOLO-NAS-Pose 使用 CUDAExecutionProvider / TensorrtExecutionProvider 推理演示

demo.sh：演示主程序，会首先安装 rtmlib，然后使用 rtmo-s 分析 video 文件夹中的 .mp4 文件。
demo_batch.sh：demo.sh 的多批次版本
rtmo_gpu.py：定义了 RTMO_GPU（和 RTMO_GPU_BATCH）类，对 CUDA 和 TensorRT 设置进行微调。
rtmo_demo.py：Python 主程序，有三个参数：
- path：包含待分析 .mp4 文件的文件夹位置。
- model_path：ONNX 模型的本地路径，或指向 mmpose 上发布的 RTMO 模型的 URL。
- --yolo_nas_pose：如果使用 YOLO NAS Pose 模型而非 RTMO 模型进行推理。
rtmo_demo_batch.py：demo_batch.sh 的多批次版本
video：包含一个测试视频。

原始 ONNX 模型来自 MMPOSE/RTMO 项目页面，在 body7 数据集上训练。我们仅做了...
演示推理代码修改自 rtmlib
TensorrtExecutionProvider 仅支持固定批量大小的模型（*_batchN.onnx），而 CUDAExecutionProvider 可以运行动态批量大小的模型。

我们做了以下工作以使其能够与 TensorRTExecutionProvider 配合使用：

附注：同时也提供了 FP16 ONNX 模型。

作者 pesi

object-detection

↓ 0 ♥ 2

创建时间: 2024-03-01 10:05:28+00:00

更新时间: 2024-09-04 05:25:17+00:00

.gitattributes

README.md

constant_folding.sh

convert_to_fp16.py

convert_to_fp16_all.py

convert_to_mixed.py

demo.sh

demo_batch.sh

onnx_to_engine-jetpack_4p6.py

onnx_to_engine-jetpack_5p1.py

rtmo-l.fp16.onnx ONNX

rtmo-l.onnx ONNX

rtmo-m.fp16.onnx ONNX

rtmo-m.onnx ONNX

rtmo-s.fp16.onnx ONNX

rtmo-s.onnx ONNX

rtmo-t.fp16.onnx ONNX

rtmo-t.onnx ONNX

rtmo_demo.py

rtmo_demo_batch.py

rtmo_gpu.py

symbolic_shape_infer.py

symbolic_shape_infer_all.sh

video/Oldest video ever - 1888 [tc-L9_4jGc4].mp4