目标检测|YOLOv5(6.1)安卓端部署记录 android|studio|android

分享一下yolov5自己的模型部署到安卓端的踩坑记录，这里跳过yolov5训练部分（这部分网上很多教程），直接说重点。训练得到的为.PT模型，要部署到安卓端首先要转换为onnx模型，这一步6.1版本提供了export.py文件直接调用就行，这里附上官方源码。https://github.com/ultralytics/yolov5
文章图片
https://github.com/ultralytics/yolov5

文章图片

附上图片，主要介绍怎么把自己训练好的模型导入到安卓端，这里'--data'为yolov5对应的yaml文件，'--weights'为yolov5对应训练好的权值文件，'--imgsz'为对应的图片尺寸，其它为默认就行，特别注意运行的时候要把'--train'加上，主要作用就是消除Foucs层和后处理部分，加上了之后等会模型转换就不会报错。接下来就会得到对应的best.onnx文件，然后将模型简化，这一步需要安装对应的库，我这里用的是pycharm，在终端里输入 python -m onnxsim best.onnx bestsim.onnx如果没有安装onnxsim库需要在终端输入pip install onnx-simplifier然后执行上面的命令。
得到简化模型后还需将模型转换成param和bin文件，这一部分我看其它博客讲的比较麻烦，我这里说两个简单的方法，一个是在ncnn(https://github.com/Tencent/ncnn/releases)库下载对应的Windows和VS版本的文件，比如说我这里安装的VS2017，我下载的文件就是：https://github.com/Tencent/ncnn/releases/download/20220216/ncnn-20220216-windows-vs2017.zip
版本问题的话没有太多要求，下好后解压，在X64/bin文件下有对应的exe文件，把模型文件拷贝到当前目录，在文件夹里面按住shift点右键打开Powershell窗口，输入./onnx2ncnn best-sim.onnx best.param best.bin。当前目录就会出现两个文件，然后接着重复打开Powershell，./ncnnoptimize best.param best.bin best-opt.param best-opt.bin 65536 压缩文件大小。另一种方法比较快，不过我没有用过这里附上链接，感兴趣的可以自己研究。https://convertmodel.com/
文章图片
https://convertmodel.com/

接下来打开Android studio,到github下载大佬的工程https://github.com/nihui/ncnn-android-yolov5
文章图片
https://github.com/nihui/ncnn-android-yolov5

我这里主要说一下更换的地方，其它的环境问题你们可以参考其它博客，一个是图中的ncnn-20220216-android-vulkan这个需要自己下载丢到.app/src/main/jni这个目录下链接就是上面下载ncnn库的链接，然后需要在CMakeLists.txt文件中替换名字

set(ncnn_DIR ${CMAKE_SOURCE_DIR}/ncnn-20220216-android-vulkan/${ANDROID_ABI}/lib/cmake/ncnn)

中间部分要换成自己下载的版本文件名字。然后把param和bin文件放到assets目录下，注意这个代码要修改自己的param和bin文件名为yolov5s或者到源代码更换为自己文件的名字，否则打开app识别图片的时候会闪退。

文章图片

接下来修改param文件内容，拉到最底下内容，修改Reshape这一行，将0=xxx换成0=-1图片为修改之后的，如果不修改，到手机识别图片的时候会出现大量的标注框。

文章图片
然后用Netron打开param文件查看结构，可以下载该软件，也可以直接用网页的Netronhttps://netron.app/
找到3个Permute查看对应的Output的name，这里512通道对应代码的stride 32，256通道对应16,128通道对应8。修改完成后，继续修改class_names，换成自己的标签，最后连上设备就可以识别图像了。