从零开始部署yolov8到安卓手机详细教程【Android Studio】

这篇具有很好参考价值的文章主要介绍了从零开始部署yolov8到安卓手机详细教程【Android Studio】。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。

一、pytorch环境配置和yolov8源码安装


首先你需要配置好pytorch环境,本文不再详细阐述,若未配置好环境,可以参考:

https://blog.csdn.net/weixin_43507693/article/details/109015177

安装yolov8可参考:

https://blog.csdn.net/weixin_44120785/article/details/128681117

二、下载Android Studio


Android Studio官网链接:https://developer.android.google.cn/

自行配置AS环境(网上很多相关教程,如果没弄好,欢迎提问交流)

三、下载ncnn-android-yolov8


地址:https://github.com/FeiGeChuanShu/ncnn-android-yolov8

下载解压后有如下内容:

yolov8 编译为 .so android,目标检测,视觉,YOLO,android studio,pytorch

因为我做的是目标检测任务,只用到那个目标检测的就行,如下:

yolov8 编译为 .so android,目标检测,视觉,YOLO,android studio,pytorch

实例分割如下:

yolov8 编译为 .so android,目标检测,视觉,YOLO,android studio,pytorch

四、下载opencv-mobile和ncnn-android-vulkan


opencv-mobile:https://gitee.com/atari/opencv-mobile

ncnn-android-vulkan:https://github.com/Tencent/ncnn/releases

将上面下载好的两个压缩包解压后放入该位置:ncnn-android-yolov8\app\src\main\jni\

五、 配置CMakeLists.txt文件

位置:ncnn-android-yolov8\app\src\main\jni\ ,CMakeLists.txt文件如下

yolov8 编译为 .so android,目标检测,视觉,YOLO,android studio,pytorch

更改下面代码路径:

yolov8 编译为 .so android,目标检测,视觉,YOLO,android studio,pytorch

为上面步骤四下载的文件名称(文件名要和下载的对应) 

六、调试手机设备


手机打开->开发者模式,开启USB调试权限,手机和电脑用USB连接,允许调试

点击运行按钮:

yolov8 编译为 .so android,目标检测,视觉,YOLO,android studio,pytorch

软件会安装到手机上:

yolov8 编译为 .so android,目标检测,视觉,YOLO,android studio,pytorch

下方是我手机的运行效果:
yolov8 编译为 .so android,目标检测,视觉,YOLO,android studio,pytorch

PS:yolov8ncnn不同于yolov5ncnn,可以实时视频检测。

运行完事!!!

七、补充


如果想要用自己训练好的权重文件,可以先将训练好的pt文件导出为onnx文件,然后在下面的网站进行转换:

一键转换 :https://convertmodel.com/

如下

yolov8 编译为 .so android,目标检测,视觉,YOLO,android studio,pytorch

可以转换成param和bin文件,放到assets文件夹下,如下
yolov8 编译为 .so android,目标检测,视觉,YOLO,android studio,pytorch
然后调整文件路径,修改代码,关于这块,后续有时间的话,我会另出教程~

非常感谢各位耐心观看!如果看到这句话,并且觉得有用的话,不妨点个呗~~~文章来源地址https://www.toymoban.com/news/detail-822878.html

到了这里,关于从零开始部署yolov8到安卓手机详细教程【Android Studio】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

  • 从零开始训练 YOLOv8最新8.1版本教程说明(包含Mac、Windows、Linux端 )同之前的项目版本代码有区别

    从零开始训练 YOLOv8 - 最新8.1版本教程说明 本文适用Windows/Linux/Mac:从零开始使用Windows/Linux/Mac训练 YOLOv8 算法项目 《芒果 YOLOv8 目标检测算法 改进》 适用于芒果专栏改进 YOLOv8 算法 官方 YOLOv8 算法 第一步 配置环境 首先 点击这个链接 https://github.com/ultralytics/ultralytics/tree/v8.1

    2024年01月25日
    浏览(64)
  • AI模型部署 | onnxruntime部署YOLOv8分割模型详细教程

    本文首发于公众号【DeepDriving】,欢迎关注。 0. 引言 我之前写的文章《基于YOLOv8分割模型实现垃圾识别》介绍了如何使用 YOLOv8 分割模型来实现垃圾识别,主要是介绍如何用自定义的数据集来训练 YOLOv8 分割模型。那么训练好的模型该如何部署呢? YOLOv8 分割模型相比检测模型

    2024年04月24日
    浏览(38)
  • YOLOV8安卓端部署

    之前部署的yolov5-ncnn不支持调用本地摄像头进行在线推理,多少还是感觉遗憾。 说实话yolov8-ncnn的部署属实有点割韭菜的嫌疑,这篇博客教你从0部署yolov8到安卓手机。 01 OPENCV这里我下载的是最新的版本opencv-4.8.0-android-sdk.zip文件,下载好直接解压即可。 官网链接Releases - Open

    2024年04月09日
    浏览(38)
  • 超详细||YOLOv8基础教程(环境搭建,训练,测试,部署看一篇就够)(在推理视频中添加FPS信息)

    这篇文章将跳过基础的深度学习环境的搭建,如果没有完成的可以看我的这篇博客:超详细||深度学习环境搭建记录cuda+anaconda+pytorch+pycharm-CSDN博客 1. 在github上下载源码: GitHub - ultralytics/ultralytics: NEW - YOLOv8 🚀 in PyTorch ONNX OpenVINO CoreML TFLite 2. 安装ultralytics(YOLOv8改名为ultraly

    2024年02月05日
    浏览(52)
  • 【yolov8】从0开始搭建部署YOLOv8,环境安装+推理+自定义数据集搭建与训练,一小时掌握

    bilibili详细视频教程 github链接:https://github.com/ultralytics/ultralytics git拉取项目: git clone https://github.com/ultralytics/ultralytics.git 首先查看pytorch支持的最高版本 PyTorch https://pytorch.org/ 然后查看N卡系统支持最高的版本 然后权衡下载支持最高版本的CUDA和cuDNN CUDA工具包 https://developer.n

    2024年01月17日
    浏览(59)
  • 利用yolov8零售商品识别实现的智能结算系统 yolo+后端flask+数据库sqlite+前端html(从零开始,全流程教学)

    全流程 教程,从数据采集到模型使用到最终展示。 支持用户点击添加至购物车、图片识别添加至购物车、摄像头识别添加至购物车,还包括用户信息,商品展示等功能。若有任何疑问和建议欢迎评论区讨论。 摄像头识别添加至购物车 图片识别添加至购物车 用户点击添加至

    2024年02月10日
    浏览(69)
  • yolov5安卓(鸿蒙)手机部署

    本篇文章主要是针对yolov5s在安卓(鸿蒙)手机部署过程进行记录。 有关YOLOv5其他资料可以参考我以下文章进行学习: C++版tensorrt YOLOv5推理 如何通过YAML文件修改YOLOv5网络 YOLOv5通道剪枝 YOLOv5图像分割代码详解1 YOLOv5图像分割之NMS YOLOv5+霍夫变换之车道线检测 YOLOv5损失函数详解

    2024年02月09日
    浏览(40)
  • yolov8实战第六天——yolov8 TensorRT C++ 部署——(踩坑,平坑,保姆教程)

    C++ 结合 TensorRT 部署深度学习模型有几个关键优势,这些优势在各种工业和商业应用中极其重要: 高效的性能 :TensorRT 通过优化深度学习模型来提高推理速度,减少延迟。这对于实时处理应用(如视频分析、机器人导航等)至关重要。 降低资源消耗 :TensorRT 优化了模型以在

    2024年04月13日
    浏览(42)
  • YOLOv8 Tensorrt Python/C++部署教程

    https://www.bilibili.com/video/BV1Pa4y1N7HS https://github.com/Monday-Leo/YOLOv8_Tensorrt 基于 Tensorrt 加速 Yolov8 ,本项目采用 ONNX转Tensorrt 方案 支持 Windows10 和 Linux 支持 Python/C++ Tensorrt 8.4.3. Cuda 11.6 Cudnn 8.4.1 onnx 1.12.0 安装 yolov8 仓库,并下载官方模型。 使用官方命令 导出ONNX模型 。 使用本仓库

    2023年04月25日
    浏览(79)
  • 在 Android 上部署自定义 YOLOv8 教程

    在本教程中,我将向您展示如何在 Android 设备上使用自定义数据集部署 YOLOv8。想要了解如何在 Android 设备上使用您自己的数据集部署 YOLOv8?本文将展示如何操作。 Android 上的 自定义 YOLOv8  🔥 ⚡️ 结果显示 标题 对从 GoPro 流式传输到移动设备的运动镜头使用 YOLOv8 对象检测

    2024年02月20日
    浏览(24)

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