国产无码综合区,色欲AV无码国产永久播放,无码天堂亚洲国产AV,国产日韩欧美女同一区二区

ncnn-android-yolov7跑自己模型的注意事項

2年前作者：玉念聿輝分類：Toy博客閱讀(24)違法舉報

這篇具有很好參考價值的文章主要介紹了ncnn-android-yolov7跑自己模型的注意事項。希望對大家有所幫助。如果存在錯誤或未考慮完全的地方，請大家不吝賜教，您也可以點擊"舉報違法"按鈕提交疑問。

ncnn-android-yolov7

這是一個示例 ncnn android 項目，它依賴于 ncnn 庫和 opencv

https://github.com/Tencent/ncnn

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

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

如何構(gòu)建和運行

步驟1

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

下載 ncnn-YYYYMMDD-android-vulkan.zip或自己構(gòu)建 ncnn for android
將 ncnn-YYYYMMDD-android-vulkan.zip 提取到 app/src/main/jni 中，并在 app/src/main/jni/CMakeList 中將ncnn_DIR路徑更改為您的路徑.txt

步驟2

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

下載opencv-mobile-XYZ-android.zip
將opencv-mobile-XYZ-android.zip提取到app/src/main/jni中，并在app/src/main/jni/CMakeLists中將OpenCV_DIR路徑更改為您的路徑.txt

步驟3

使用Android Studio打開這個項目，構(gòu)建它并享受！
ncnn-android-yolov7跑自己模型的注意事項,輿情小二,前端,音視頻開發(fā)之直播學(xué)習(xí)記錄,android,YOLO,AI識別,CNCC,CNCC Android

一些注意事項

安卓 ndk 相機(jī)用于最佳效率
由于缺少HAL3相機(jī)接口，崩潰可能發(fā)生在非常舊的設(shè)備上
所有模型均手動修改以接受動態(tài)輸入形狀
大多數(shù)小型模型在 GPU 上的運行速度比在 CPU 上的運行速度慢，這很常見
由于相機(jī)曝光時間較長，在黑暗環(huán)境中的FPS可能較低

跑自己的模型

流程：pt->onnx->ncnn。

1、yolov7（pt->onnx）

下載代碼和權(quán)重，這里用的是tiny。

代碼用main分支的，權(quán)重手動下載release里的。

運行

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

運行時要加simplify，不然onnx轉(zhuǎn)ncnn會有不支持的算子。

2、ncnn（onnx->ncnn）

使用下面這個網(wǎng)站轉(zhuǎn)換，要把三個勾都選上。

https://convertmodel.com

ncnn-android-yolov7跑自己模型的注意事項,輿情小二,前端,音視頻開發(fā)之直播學(xué)習(xí)記錄,android,YOLO,AI識別,CNCC,CNCC Android

3、修改權(quán)重輸入輸出

進(jìn)入Netron，上傳自己的param文件查看權(quán)重輸入輸出（1個輸入、3個輸出），并更改代碼后即可直接編譯；

ncnn-android-yolov7跑自己模型的注意事項,輿情小二,前端,音視頻開發(fā)之直播學(xué)習(xí)記錄,android,YOLO,AI識別,CNCC,CNCC Android

獲取晚后在ncnn-android-yolov7/app/src/main/jni/yolo.cpp的Yolo::detect方法修改著幾個地方：

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

ncnn-android-yolov7跑自己模型的注意事項,輿情小二,前端,音視頻開發(fā)之直播學(xué)習(xí)記錄,android,YOLO,AI識別,CNCC,CNCC Android

4、修改標(biāo)注類別名稱

ncnn-android-yolov7跑自己模型的注意事項,輿情小二,前端,音視頻開發(fā)之直播學(xué)習(xí)記錄,android,YOLO,AI識別,CNCC,CNCC Android
不出意外，到這里重新編譯一下就可以

由于部分設(shè)備不支持camera2，新增JNI方法，傳圖片進(jìn)行識別

ncnn-android-yolov7跑自己模型的注意事項,輿情小二,前端,音視頻開發(fā)之直播學(xué)習(xí)記錄,android,YOLO,AI識別,CNCC,CNCC Android

具體調(diào)用看MainActivity處理

THE END

感謝查閱
玉念聿輝：編輯文章來源地址http://www.zghlxwxcb.cn/news/detail-606554.html

到了這里，關(guān)于ncnn-android-yolov7跑自己模型的注意事項的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！

本文來自互聯(lián)網(wǎng)用戶投稿，該文觀點僅代表作者本人，不代表本站立場。本站僅提供信息存儲空間服務(wù)，不擁有所有權(quán)，不承擔(dān)相關(guān)法律責(zé)任。如若轉(zhuǎn)載，請注明出處：如若內(nèi)容造成侵權(quán)/違法違規(guī)/事實不符，請點擊違法舉報進(jìn)行投訴反饋，一經(jīng)查實，立即刪除！

分享到：

領(lǐng)支付寶紅包贊助服務(wù)器費用

Android嵌入自己訓(xùn)練的yolov5模型(tfLite)交通標(biāo)志
目錄第一步:下載模型與修改參數(shù) 第二步:標(biāo)注數(shù)據(jù) 第三步:開始訓(xùn)練第四步:yolov5轉(zhuǎn)為tfLite模型第五步:我們可以檢測一下tfLite是否可用第六步:下載官方的示例代碼第七步:修改代碼第八步:運行軟件第九步:優(yōu)化速率效果圖參考:【精選】手把手教你使用YOLOV5訓(xùn)練自己的目標(biāo)
2024年04月12日
瀏覽(55)
yolov8seg模型轉(zhuǎn)onnx轉(zhuǎn)ncnn
yolov8是yolo的最新版本，可做圖像分類，目標(biāo)檢測，實例分割，姿態(tài)估計。主頁地址這里測試一個分割模型。模型如下選yolov8 n -seg模型，轉(zhuǎn)成onnx，再轉(zhuǎn)ncnn測試。 yolov8 s -seg的ncnn版可以直接用這個如果用python版的onnx，可以直接用notebook轉(zhuǎn)，然后下載。 python版onnx代碼參考但
2024年02月05日
瀏覽(60)
使用Android studio，安卓手機(jī)編譯安裝yolov8部署ncnn，頻繁出現(xiàn)編譯錯誤
從編譯開始就開始出現(xiàn)錯誤，解決步驟： 1.降低graddle版本，7.2-bin? ---? ?降低為 6.1.1-all 2.仍舊有報錯，jdk從17降為?jdk 13，在setting配置里，進(jìn)入build，excution，deployment文件夾中，（是一個文件夾，名字長，不是三個）進(jìn)入build?tools，再進(jìn)入 Gradle，? 如圖所示，勾選，選擇
2024年04月28日
瀏覽(37)
使用Yolov5訓(xùn)練自己的模型
本文主要介紹如何運用開源Yolov5模型，結(jié)合自己的數(shù)據(jù)，訓(xùn)練其他目標(biāo)檢測模型。基礎(chǔ)準(zhǔn)備工作： anaconda 適用Yolov5的虛擬環(huán)境 git上下載Yolov5并調(diào)通測試代碼 https://github.com/ultralytics/yolov5 https://github.com/ultralytics/yolov5 本次用的環(huán)境： python==3.7 pytorch==1.7.1 torchvision==0.8.2 torchaud
2024年02月05日
瀏覽(22)
YOLOv7安卓部署 ncnn
本文將講述如何利用ncnn在安卓手機(jī)端部署YOLOv7，這里以YOLOv7-tiny為例進(jìn)行講解，YOLOv7按照步驟依次進(jìn)行即可，同時對于Android Studio的安裝不在本次教程之內(nèi) 標(biāo)準(zhǔn) YOLOv7-tiny 部署指的是沒有更改 YOLOv7-tiny 的網(wǎng)絡(luò)模型架構(gòu)，直接利用訓(xùn)練好的模型權(quán)重進(jìn)行部署，下面分幾步進(jìn)行講
2024年02月03日
瀏覽(25)
模型實戰(zhàn)（3）之YOLOv7實例分割、模型訓(xùn)練自己數(shù)據(jù)集
下載yolov7實例分割模型：安裝環(huán)境
2023年04月08日
瀏覽(29)
yolov8 opencv dnn部署自己的模型
源碼地址本人使用的opencv c++ github代碼,代碼作者非本人使用github源碼結(jié)合自己導(dǎo)出的onnx模型推理自己的視頻推理條件 windows 10 Visual Studio 2019 Nvidia GeForce GTX 1070 opencv4.7.0 (opencv4.5.5在別的地方看到不支持yolov8的推理，所以只使用opencv4.7.0) 導(dǎo)出yolov8模型 yolov8版本: version = ‘8.
2024年01月24日
瀏覽(55)
yolov5 opencv dnn部署自己的模型
github開源代碼地址 yolov5官網(wǎng)還提供的dnn、tensorrt推理鏈接本人使用的opencv c++ github代碼,代碼作者非本人，也是上面作者推薦的鏈接之一如果想要嘗試直接運行源碼中的yolo.cpp文件和yolov5s.pt推理sample.mp4，請參考這個鏈接的介紹使用github源碼結(jié)合自己導(dǎo)出的onnx模型推理自己的
2024年01月23日
瀏覽(48)
windows使用YOLOv8訓(xùn)練自己的模型（0基礎(chǔ)保姆級教學(xué)）
目錄前言一、使用labelimg制作數(shù)據(jù)集 1.1、下載labelimg 1.2、安裝庫并啟動labelimg 1.4、制作YOLO數(shù)據(jù)集二、使用YOLOv8訓(xùn)練模型 2.1、下載庫——ultralytics （記得換源） 2.2、數(shù)據(jù)模板下載 2.3、開始訓(xùn)練 1、啟動train.py，進(jìn)行訓(xùn)練 2、我們可以直接使用命令進(jìn)行訓(xùn)練三、其他問題 1、訓(xùn)
2023年04月16日
瀏覽(25)
樹莓派4B使用NCNN部署Yolov5-lite
目錄文章目錄前言一、樹莓派配置NCNN 1.安裝依賴 2.下載NCNN并編譯二、Yolov5-lite模型訓(xùn)練 1.源碼地址 2.安裝所需要的包? 3.訓(xùn)練自己的數(shù)據(jù)集(YOLO格式) 4.模型訓(xùn)練? 5.模型轉(zhuǎn)換 6.onnx模型簡化三、樹莓派部署lite模型 1.將onnx模型轉(zhuǎn)換為ncnn 2.添加Yolov5-lite.cpp 3.修改eopt.param ?4.修
2024年02月05日
瀏覽(27)