移动端部署深度学习应用之yolov5--android

Posted 海里的鱼2022

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了移动端部署深度学习应用之yolov5--android相关的知识,希望对你有一定的参考价值。

试了多种路径,此法简单易行,性能差了点,待提升,但能跑起来。 

1. 有个小伙伴做好的应用框架

git clone https://github.com/xugaoxiang/yolov5_android_tflite

运行效果没问题,就是实际识别速度比较慢,有很大的提升空间,胜在模型兼容性好

2. pc端训练自己的数据,得到best.pt模型

用电脑摄像头进行测试

python detect.py --weights /Users/myself/dev/yolo/yolov5/hy-trained/best.pt --source 0 

测试模型效果OK. 

 

3. 输出tflite模型

 

python export.py --weights /Users/myself/dev/yolo/yolov5/hy-trained/best.pt   --include tflite  --img 416

注意, 例子的图片大小为416*416,所以需要把模型输出为416大小。 

再用pc调用进行模型测试

python detect.py --weights /Users/myself/dev/yolo/yolov5/hy-trained/best-fp16.tflite --source 0 --img 416

效果ok. 

4. 替换移动端文件,编译运行

上面训练得到的best-fp16.tflite, 替换到assets目录, 再把class.txt换成自己的label文件

编译运行即可。

issue:

改图片大小会闪退。

 

以上是关于移动端部署深度学习应用之yolov5--android的主要内容,如果未能解决你的问题,请参考以下文章

移动端部署深度学习应用之yolov5--android

移动端深度学习模型部署框架ncnn介绍

腾讯开源深度学习框架ncnn,主打移动端

深度学习模型在移动端部署方法

在Android上部署深度学习模型之项目结构

资源 | 小米开源移动端深度学习框架MACE:可转换TensorFlow模型