pubg/绝地求生 rknn模型8w图片训练高精度单类别多种尺寸256320416640yolov8v11v26适合研究学习。模型为rknn模型1111PUBG/绝地求生 目标检测 RKNN模型8万张数据集高精度多尺寸多版本一、项目核心信息表项目详情项目名称PUBG/绝地求生 游戏目标检测系统数据集规模80000 张高清游戏截图超大样本量检测类别单类别person / 游戏人物训练框架YOLOv8 / YOLOv11 / YOLOv26模型格式RKNN 模型瑞芯微 NPU 专用部署格式输入尺寸256 / 320 / 416 / 640 多尺寸全覆盖模型精度高精度适合研究、学习、部署验证部署平台RK3588 / RK3566 / RK3568 / RK3576 等配套内容训练代码 RKNN推理代码 模型文件 使用说明二、模型规格清单模型系列输入尺寸模型格式用途YOLOv8256×256RKNN超轻量、低功耗设备YOLOv8320×320RKNN速度与精度均衡YOLOv8416×416RKNN通用高精度YOLOv8640×640RKNN最高精度YOLOv11256/320/416/640RKNN新版架构速度更快YOLOv26256/320/416/640RKNN研究专用改进版三、数据集说明总量80000 张场景PUBG/绝地求生全地图实战截图视角第一人称、第三人称、远距离、中距离、近距离全覆盖标注标准 YOLO TXT 标注单类别人物用途游戏AI辅助、目标检测研究、NPU部署学习四、环境配置conda create-npubg_rknnpython3.9conda activate pubg_rknn pipinstallultralytics8.2.0torch1.13.1torchvision0.14.0 pipinstallopencv-python numpy pillow五、数据集配置 pubg.yamltrain:./images/trainval:./images/valtest:./images/testnc:1names:0:person六、训练代码训练出原始.pt模型train_pubg.pyfromultralyticsimportYOLOimporttorchdeftrain():# 可换yolov8n.yaml / yolov11n.yaml / yolov26.yamlmodelYOLO(yolov8n.yaml).load(yolov8n.pt)model.train(datapubg.yaml,epochs100,imgsz640,# 可改为 256/320/416batch32,device0,patience20,projectpubg_train,namepubg_yolov8_640,lr00.01,lrf0.01,momentum0.937,weight_decay0.0005,warmup_epochs3.0,warmup_momentum0.8,warmup_bias_lr0.1,box7.5,cls0.5,dfl1.5,pose12.0,kobj2.0,label_smoothing0.0,nbs64,hsv_h0.015,hsv_s0.7,hsv_v0.4,degrees0.0,perspective0.0,flipud0.0,fliplr0.5,mosaic1.0,mixup0.0,copy_paste0.0,)# 评估model.val()if__name____main__:train()七、RKNN 模型导出代码pt → rknnexport_rknn.pyfromultralyticsimportYOLO# 导出 ONNXmodelYOLO(pubg_train/pubg_yolov8_640/weights/best.pt)model.export(formatonnx,imgsz640,simplifyTrue)# -----------------------------# 之后使用 RKNN Toolkit 2 转 rknn# -----------------------------八、RKNN 板端推理代码直接运行rknn_infer.pyimportcv2importnumpyasnpfromrknn.apiimportRKNN# 加载 RKNN 模型rknnRKNN()retrknn.load_rknn(./pubg_yolov8_640.rknn)retrknn.init_runtime()# 预处理imgcv2.imread(test.jpg)imgcv2.resize(img,(640,640))imgcv2.cvtColor(img,cv2.COLOR_BGR2RGB)# 推理outputsrknn.inference(inputs[img])# 后处理YOLO 检测框解析boxesoutputs[0]scoresoutputs[1]# 绘制结果forboxinboxes:x1,y1,x2,y2box cv2.rectangle(img,(int(x1),int(y1)),(int(x2),int(y2)),(0,255,0),2)cv2.imshow(PUBG Detect,img)cv2.waitKey(0)