ncnn-android-yolov7跑自己模型的注意事项

这篇具有很好参考价值的文章主要介绍了ncnn-android-yolov7跑自己模型的注意事项。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

ncnn-android-yolov7


这是一个示例 ncnn android 项目,它依赖于 ncnn 库和 opencv

https://github.com/Tencent/ncnn

https://github.com/nihui/opencv-mobile

https://github.com/xiang-wuu/ncnn-android-yolov7

如何构建和运行


步骤1

https://github.com/Tencent/ncnn/releases

下载 ncnn-YYYYMMDD-android-vulkan.zip或自己构建 ncnn for android
将 ncnn-YYYYMMDD-android-vulkan.zip 提取到 app/src/main/jni 中,并在 app/src/main/jni/CMakeList 中将ncnn_DIR路径更改为您的路径.txt

步骤2

https://github.com/nihui/opencv-mobile

下载opencv-mobile-XYZ-android.zip
将opencv-mobile-XYZ-android.zip提取到app/src/main/jni中,并在app/src/main/jni/CMakeLists中将OpenCV_DIR路径更改为您的路径.txt

步骤3

使用Android Studio打开这个项目,构建它并享受!
ncnn-android-yolov7跑自己模型的注意事项,舆情小二,前端,音视频开发之直播学习记录,android,YOLO,AI识别,CNCC,CNCC Android

一些注意事项

  1. 安卓 ndk 相机用于最佳效率
  2. 由于缺少HAL3相机接口,崩溃可能发生在非常旧的设备上
  3. 所有模型均手动修改以接受动态输入形状
  4. 大多数小型模型在 GPU 上的运行速度比在 CPU 上的运行速度慢,这很常见
  5. 由于相机曝光时间较长,在黑暗环境中的FPS可能较低

跑自己的模型


流程:pt->onnx->ncnn。

1、yolov7(pt->onnx)

下载代码和权重,这里用的是tiny。

代码用main分支的,权重手动下载release里的。

运行

python export.py yolov7-tiny.pt --simplify

运行时要加simplify,不然onnx转ncnn会有不支持的算子。

2、ncnn(onnx->ncnn)

使用下面这个网站转换,要把三个勾都选上。

https://convertmodel.com

ncnn-android-yolov7跑自己模型的注意事项,舆情小二,前端,音视频开发之直播学习记录,android,YOLO,AI识别,CNCC,CNCC Android

3、修改权重输入输出

进入Netron,上传自己的param文件查看权重输入输出(1个输入、3个输出),并更改代码后即可直接编译;

ncnn-android-yolov7跑自己模型的注意事项,舆情小二,前端,音视频开发之直播学习记录,android,YOLO,AI识别,CNCC,CNCC Android

获取晚后在ncnn-android-yolov7/app/src/main/jni/yolo.cpp的Yolo::detect方法修改着几个地方:

in0->images
out0->265
out1->279
out2->293

ncnn-android-yolov7跑自己模型的注意事项,舆情小二,前端,音视频开发之直播学习记录,android,YOLO,AI识别,CNCC,CNCC Android

4、修改标注类别名称

ncnn-android-yolov7跑自己模型的注意事项,舆情小二,前端,音视频开发之直播学习记录,android,YOLO,AI识别,CNCC,CNCC Android
不出意外,到这里重新编译一下就可以

由于部分设备不支持camera2,新增JNI方法,传图片进行识别

ncnn-android-yolov7跑自己模型的注意事项,舆情小二,前端,音视频开发之直播学习记录,android,YOLO,AI识别,CNCC,CNCC Android
ncnn-android-yolov7跑自己模型的注意事项,舆情小二,前端,音视频开发之直播学习记录,android,YOLO,AI识别,CNCC,CNCC Android

具体调用看MainActivity处理

THE END


感谢查阅
玉念聿辉:编辑文章来源地址https://www.toymoban.com/news/detail-606554.html

到了这里,关于ncnn-android-yolov7跑自己模型的注意事项的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • Android嵌入自己训练的yolov5模型(tfLite)交通标志

    目录 第一步:下载模型与修改参数 第二步:标注数据 第三步:开始训练 第四步:yolov5转为tfLite模型 第五步:我们可以检测一下tfLite是否可用 第六步:下载官方的示例代码 第七步:修改代码 第八步:运行软件 第九步:优化速率 效果图 参考:【精选】手把手教你使用YOLOV5训练自己的目标

    2024年04月12日
    浏览(60)
  • yolov8seg模型转onnx转ncnn

    yolov8是yolo的最新版本,可做图像分类,目标检测,实例分割,姿态估计。 主页地址 这里测试一个分割模型。 模型如下 选yolov8 n -seg模型,转成onnx,再转ncnn测试。 yolov8 s -seg的ncnn版可以直接用这个 如果用python版的onnx,可以直接用notebook转,然后下载。 python版onnx代码参考 但

    2024年02月05日
    浏览(39)
  • 使用Android studio,安卓手机编译安装yolov8部署ncnn,频繁出现编译错误

    从编译开始就开始出现错误,解决步骤: 1.降低graddle版本,7.2-bin  ---   降低为 6.1.1-all 2.仍旧有报错,jdk从17降为 jdk 13, 在setting配置里, 进入build,excution,deployment文件夹中,(是一个文件夹,名字长,不是三个) 进入build tools,再进入 Gradle,  如图所示, 勾选,选择

    2024年04月28日
    浏览(51)
  • 使用Yolov5训练自己的模型

    本文主要介绍如何运用开源Yolov5模型,结合自己的数据,训练其他目标检测模型。 基础准备工作: anaconda 适用Yolov5的虚拟环境 git上下载Yolov5并调通测试代码 https://github.com/ultralytics/yolov5 https://github.com/ultralytics/yolov5 本次用的环境: python==3.7 pytorch==1.7.1 torchvision==0.8.2 torchaud

    2024年02月05日
    浏览(53)
  • YOLOv7安卓部署 ncnn

    本文将讲述如何利用ncnn在安卓手机端部署YOLOv7,这里以YOLOv7-tiny为例进行讲解,YOLOv7按照步骤依次进行即可,同时对于Android Studio的安装不在本次教程之内 标准 YOLOv7-tiny 部署指的是没有更改 YOLOv7-tiny 的网络模型架构,直接利用训练好的模型权重进行部署,下面分几步进行讲

    2024年02月03日
    浏览(52)
  • 模型实战(3)之YOLOv7实例分割、模型训练自己数据集

    下载yolov7实例分割模型: 安装环境

    2023年04月08日
    浏览(41)
  • yolov5 opencv dnn部署自己的模型

    github开源代码地址 yolov5官网还提供的dnn、tensorrt推理链接 本人使用的opencv c++ github代码,代码作者非本人,也是上面作者推荐的链接之一 如果想要尝试直接运行源码中的yolo.cpp文件和yolov5s.pt推理sample.mp4,请参考这个链接的介绍 使用github源码结合自己导出的onnx模型推理自己的

    2024年01月23日
    浏览(44)
  • yolov8 opencv dnn部署自己的模型

    源码地址 本人使用的opencv c++ github代码,代码作者非本人 使用github源码结合自己导出的onnx模型推理自己的视频 推理条件 windows 10 Visual Studio 2019 Nvidia GeForce GTX 1070 opencv4.7.0 (opencv4.5.5在别的地方看到不支持yolov8的推理,所以只使用opencv4.7.0) 导出yolov8模型 yolov8版本: version = ‘8.

    2024年01月24日
    浏览(43)
  • windows使用YOLOv8训练自己的模型(0基础保姆级教学)

    目录 前言 一、使用labelimg制作数据集 1.1、下载labelimg 1.2、安装库并启动labelimg 1.4、制作YOLO数据集 二、使用YOLOv8训练模型 2.1、下载库——ultralytics (记得换源) 2.2、数据模板下载 2.3、开始训练 1、启动train.py,进行训练 2、我们可以直接使用命令进行训练 三、其他问题 1、训

    2023年04月16日
    浏览(50)
  • 树莓派4B使用NCNN部署Yolov5-lite

    目录 文章目录 前言 一、树莓派配置NCNN 1.安装依赖 2.下载NCNN并编译 二、Yolov5-lite模型训练 1.源码地址 2.安装所需要的包  3.训练自己的数据集(YOLO格式) 4.模型训练  5.模型转换 6.onnx模型简化 三、树莓派部署lite模型 1.将onnx模型转换为ncnn 2.添加Yolov5-lite.cpp 3.修改eopt.param  4.修

    2024年02月05日
    浏览(63)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包