yolov10 目标检测rknn的C++部署来了。
特别说明：如有侵权告知删除，谢谢。
直接上代码和模型，欢迎参考交流 【完整代码和模型】
1、rknn模型准备
pytorch转onnx，onnx再转rknn模型这一步就不再赘述，请参考上一篇 【yolov10 瑞芯微RKNN、地平线Horizon芯片部署、TensorRT部署，部署工程难度小、模型推理速度快】 。
2、C++ 代码
模型和图片读取部分参考rknn官方提供的示例，详细代码请参本实例对应的github仓库，代码和模型 。本实例提供的完整代码也就只包含两个.c文件和一个.h 文件，阅读起来没啥难度。
3、编译运行
1）编译
cd examples/rknn_yolov10_demo_open
bash build-linux_RK3588.sh
2）运行
cd install/rknn_yolov10_demo_Linux
./rknn_yolov10_demo
注意：修改模型、测试图像、保存图像的路径，所在文件为 src 下main.cc文件。示例使用的类别时80类，自己的数据注意修改类别，在 include 下 postprocess.h 文件。
4、板端效果
pytorch测试效果
板端rknn测试效果，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）。板端效果和pytoch效果不完全一致是由于转rknn时精度有所丢失导致。若想让精度丢失的少，可以考虑使用更多、更丰富的量化图片。
5、后处理时耗
本示例用的是yolov10n，模型计算量6.7G，看到这个时耗觉得可能是有操作切换到CPU上进行计算的，查了rknn转换模型日志确实是有操作切换到CPU上进行的，对应的是模型中 PSA 模块计算 Attention 这部分操作。
