基于 SNPE 部署深度学习模型，包括目前用到和学习的各种方法，目标检测、人脸检测、跟踪、单目深度估计等。

• snpe 版本 1.68，opencv 版本 4.6
• 基于 cmake，每个方法使用单独的 CMakeLists 文件，方便单个方法的运行和部署。
• 不论什么框架部署，整体流程基本一致：加载模型（初始化）-> 图像预处理 -> 构建 tensor -> 推理 -> 后处理：
  1.     加载模型（初始化）、构建 tensor 和推理一般结合部署框架和模型设置相应参数即可；
  2.     预处理和后处理部分需要结合模型输入和输出进行处理；
  3.     预处理通常主要包括 resize、average、normalized 等。需要结合模型训练时配置，resize 是否需要保持高宽比、是否要进行均值和归一化等处理不正确，都可能导致推理结果错误。除此之外，还要注意图像的排列方式，onnx、dnn 需要输入为 nchw，SNPE 输入时 nhwc。opencv 默认是 nhwc，通过 blob 生成 tensor 后会转变成 nchw；
  4.     后处理则需要根据模型输出结果处理，不同模型的后处理一般都不一样。

cvDeeplearning/
├── data/ # 测试图像数据
├── models/ # 运行模型文件
├── cfgs / # 模型配置文件，设置模型加载路径，输入输出等
├── docs / # 介绍文档
├── res / # 资源文件
├──src/ # 源码
│ ├── engine/
│ │ ├──mulTrackEngine # 目标跟踪模块
│ │ ├──onnxEngine # onnx推理模块
│ │ ├──realsenseEngine # realsense相机使用模块（Todo）
│ │ ├──snpeEngine # snpe推理模块
│ │ └──utils/ # 公共数据和定义
│ ├── tracker/ # 多目标跟踪相关
│ ├── yolov8/
│ │ ├──snpe1.68
│ │ │ ├───Yolov8DetSnpe.h
│ │ │ ├───Yolov8DetSnpe.cpp
│ │ │ ├───main.cpp
│ │ │ └───CMakeLists.txt # 底层CMakeLists，可执行文件生成
│ │ ├──onnx # Todo，目前先实现snpe，后续可能继续完成其他框架
│ │ ├──....
│ │ └──CMakeLists # 中间层CMakeLists，处理子文件其他方法定义及其cmakelists
│ ├── ..... # 其他方法定义及其cmakelists
│ ├── main.cpp
│ └── CMakeLists.txt # 中间层CMakeLists，定义和链接代码文件
└── CMakeLists.txt # 顶层cmakelist，定义链接库目录

1. 目标检测： Yolov8
2. 人脸检测： Yolov8Face Retinaface
3. 人脸关键点检测： PFLD（68点）
4. 多目标跟踪：Deepsort Bytetrack 参考：https://github.com/shaoshengsong/DeepSORT
5. 单目深度估计： Midas
6. 人体关键点： Yolov8Pose