特别说明：参考官方开源的 yoloworld 代码、瑞芯微官方文档、地平线的官方文档，如有侵权告知删，谢谢。
模型和完整仿真测试代码，放在github上参考链接 模型和代码。
yoloworld出来的有一段时间了，还没有盘到板端上玩一玩，不把这个给整落地工作都干不起劲。落地过程也是一波三折多次想放弃，起早赶晚的抽时间干，再试一次，再试最后一次，再试最最后一次 。。。yoloworld 环境（MMDet）搭建都折腾了三次，转onnx也折腾了三次，上rknn板子又是三次（尝试rknn_toolkit2-1.3.0、rknn_toolkit2-1.6.0运行报错，最终用的rknn_toolkit2-2.0.0运行成功），都快折腾废了。
1 模型训练
训练就不多说，也没有尝试过，训练参考官方代码，本示例直接用yolov8提供的yoloworld模型（本想用腾讯提供的模型，奈何搭建环境太折腾；尝试过Huggingface导出的onnx模型，奈何规避不掉板端不支持的操作），进行板端部署。
1 导出 yolo_world onnx （yolo_world_v2_s）
尝试过用 huggingface 提供的demo导出onnx，但其中有操作（torch.einsum）板端支持不了，只能放弃作罢。用yoloworld 官方提供的导出onnx方式可以规避 torch.einsum 操作，得到可以上板子的onnx模型。导出时进行调整，导出模型示意图如下，导出的类别使用的是80类。本示例对应提供的代码只用于适用六个输出头。
2 pytorch测试效果
onnx测试效果
3 tensorRT 时耗
模型yolo_world_v2_s，导出类别80类，输入分辨率是640x640，转trt使用的fp16_mode，显卡Tesla V100，cuda_11.0。
5 rknn 板端C++部署
模型yolo_world_v2_s，导出类别80类，输入分辨率是640x640，芯片rk3588.
把在rk3588板子上测试的模特推理时耗，和用C++代码写的后处理时耗，都给贴出来供大家参考。【rk3588的C++代码参考链接】。
