在模型部署落地（主要部署到rk3588）折腾了这么多年，把这些年折腾过的模型整理了一下，所有的流程说明、代码模型都完全开放的，欢迎交流学习。有的是为了项目、有的是为了学习、还有的是为了找点事做、有的完全是为了安抚内心的焦虑与迷茫，无论出于什么原因都在继续写着。遇到难啃的部署过程也会有无数次想要放弃的念头（毕竟很多是要工作之余去做），有的在部署过程不断思考如何优化速度、如何简化部署难度，经常是念念不忘。后续还会有项目、还会有学习、还会有无聊的时间，也依旧会有焦虑与迷茫，搞部署、写博客也还在路上…
目标检测
【yolov10 部署 rknn、地平线、tensorRT、C++】
【yolo world 部署 rknn、地平线、tensorRT、C++】
【yolov9 部署 rknn、地平线、tensorRT、C++】
【yolov8 部署 rknn、地平线、tensorRT、C++】
【yolov6 部署rknn、地平线、tensorRT、caffe】
【yolov5 部署 rknn、地平线、tensorRT、caffe】
【CenterNet 部署 rknn、地平线、tensorRT、C++】
Segment Anything
3D 目标检测
【Monodle centernet3d 部署 rknn、地平线、tensorRT】
旋转目标检测
【yolov8obb 旋转目标检测部署 rknn、地平线、tensorRT】
人脸检测
【RFB-SSD人脸检测部署caffe、onnx、tensorRT】
检测分割
【yolov8seg 部署 rknn、地平线、tensorRT、C++】
关键点
【yolov8pose 部署 rknn、地平线、tensorRT、C++】
分割（车道线、路面）
【DeepLabV3 路面分割部署 onnx、tensorRT】
【UNet 多车道线、线类别识别部署 onnx、rknn、地平线、tensorRT、C++】
【UNet 路面分割部署caffe、onnx、tensorRT】
深度估计
【MiDaS 单目深度估计 部署 onnx、rknn、C++】
车牌识别
其它（车道线识别）
【Ultra-Fast-Lane 车道线识别部署caffe、onnx、horizon、rknn】
