YOLOV8 + onnx转ncnn 部署到安卓APP上的配置流程

已于 2024-03-20 20:18:30 修改
阅读量509 收藏 2
点赞数 1
文章标签： YOLO android
于 2024-03-20 19:15:48 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/chenoh/article/details/136885920
版权

文章末尾上视频效果！

我们使用开源的安卓项目来修改

GitHub - justinge/opencv_tutorial

部署过程出现的问题，很多都是依赖包不兼容的问题，只需要根据日志信息不断的调整依赖包的版本就可以了。

以下是我本地部署的配置信息和依赖包版本信息的截图

注意：官方的这个demo比较老，所需依赖版本不能太新，固而只需要把这几个地方配置正确，就能把官方的这个项目跑起来了！

视频识别效果可以观看：

【yolov8编译成APP的识别效果】 https://www.bilibili.com/video/BV1HF4m1F7Fe/?share_source=copy_web&vd_source=6eaacb82793e82a2c32d2383885ad6d5

云上翔宇
关注
  • 1
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
【笔记】在手机上使用yolo v8部署自己的模型
qq_42182320的博客
05-10 978
修改\ncnn-android-yolov8-main\ncnn-android-yolov8\app\src\main\java\com\tencent\yolov8ncnn\MainActivity.java。修改F:\Codes\ncnn-android-yolov8-main\ncnn-android-yolov8\app\src\main\res\layout\main.xml。注：此处修改的是显示在软件内下拉菜单中的选项名，选项匹配模型通过索引，而不是名称。
在Android上将ONNX神经网络模型与TensorFlow Lite结合使用
寒冰屋的专栏
10-25 2138
在这里，我们从预先训练的模型中制作TensorFlow Lite模型。 这是有关在Android上使用TensorFlow Lite的系列文章中的第二篇。在上一节中，设置了开发环境以使用TensorFlow模型和Android开发。我们在这里继续为TensorFlow Lite调整网络。 在移动设备上使用TensorFlow Lite时，您可能希望使用已经经过培训的网络。预先训练的网络可让您完成收集和准备训练视觉识别器所需的大量数据的过程，从而更快地达到生产效率。可以使用多种不同的技术来构建预训练...
yolov8-ncnn量化部署完整流程
最新发布
ws771216的博客
06-04 1199
1.模型训练时，data.yaml修改数据集路径，类别数80不做修改，只将前面的类别名改为自己的类别名即可；2.yolov8，ncnn，opset，pytorch等不同版本存在差异，需要选对版本，可尝试更改版本来解决问题，yolov8为8.2，ncnn为20220729，export时的opset为12，pytorch为1.10；3.pt转onnx时，需要修改源码的head.py和block.py，修改模型网络结构和输出节点；4.模型量化时，参数mean，norm必须保持和推理时一致，否则精度会下降。
YOLOv8-pose在ncnn框架下部署过程记录（包含ncnn、pnnx安装以及模型结构更改及转换）
Rachel321的专栏
04-26 4527
YOLOv8-pose在ncnn框架下部署过程记录（包含ncnn、pnnx安装以及模型结构更改及转换）
使用NCNN在安卓平台上部署YOLOv8实现实时目标检测分割旋转框源码.zip
05-15
使用NCNN在安卓平台上部署YOLOv8实现实时目标检测分割旋转框源码.zip使用NCNN在安卓平台上部署YOLOv8实现实时目标检测分割旋转框源码.zip使用NCNN在安卓平台上部署YOLOv8实现实时目标检测分割旋转框源码.zip使用NCNN在安卓平台上部署YOLOv8实现实时目标检测分割旋转框源码.zip使用NCNN在安卓平台上部署YOLOv8实现实时目标检测分割旋转框源码.zip使用NCNN在安卓平台上部署YOLOv8实现实时目标检测分割旋转框源码.zip
YOLOv8目标检测实战：Android手机部署
05-24
YOLOv8 目标检测基于先前 YOLO 版本的成功，引入了新功能和改进，进一步提升了性能和灵活性。本课程在Windows上手把手演示YOLOv8（YOLOv8n和YOLOv8s）目标检测在Android（安卓）手机进行部署的过程。内容包括：安装软件环境、安装PyTorch，克隆和安装YOLOv8，导出onnx模型，onnx转换成NCNN文件，安装Android Studio，准备Android项目文件(下载项目文件、放置ncnn文件、放置ncnn和opencv的android文件)，手机连接电脑并编译软件(安装投屏软件、手机连接电脑配置、编译和调试、导出签名apk)，自己数据集训练模型的部署，项目代码解析（安卓的JNI机制、C++代码、Java代码）。
YOLOv8实例分割实战：Android手机部署
05-30
本课程在Windows上手把手演示YOLOv8（YOLOv8n和YOLOv8s）实例分割在Android（安卓）手机进行部署的过程。内容包括：安装软件环境、安装PyTorch，克隆和安装YOLOv8，导出onnx模型，onnx转换成NCNN文件，安装Android Studio，准备Android项目文件(下载项目文件、放置ncnn模型文件、放置ncnn和opencv的android文件)，手机连接电脑并编译软件(安装投屏软件、手机连接电脑配置、编译和调试、导出签名apk)，自己数据集训练模型的部署，项目代码解析（安卓的JNI机制、YOLOv8实例分割算法原理、C++代码、Java代码）。
yolov8转onnx再转ncnn
we34dfg的博客
06-26 1618
yolov8转onnx再转ncnn
从0开始的视觉研究生涯（6）YOLOv8-seg实战应用NCNN加速详解（进阶，多线程、Int8量化）
fisherisfish的博客
11-01 2256
非常麻烦，做一个经验总结，以后希望不会再碰了，都是好的工具，但是在商业化过程中，通常不愿意升级芯片会加大设备成本，此外数据也会有很多问题，这导致再怎么加速效果都不满足，当然做demo还是够用了，哎，资本家。
Android 基于 OpenCV+YOLOv8+NCNN 实现人像分割
10-07
在Android中，使用Java层的Camera API，在JNI层使用OpenCV+YOLOv8+NCNN，来实现人体识别和人像分割功能。资源文件中有一个MyMcnnTest.apk可以直接安装运行，MyNcnnTest.zip是Demo源码。 具体详见我的博客 : ...
YOLOv8-使用NCNN在安卓平台上部署YOLOv8实现实时目标检测-优质项目-项目实战.zip
02-12
此项目实战主要关注如何在安卓平台上使用NCNN库来部署YOLOv8，实现移动端的实时目标检测。NCNN是腾讯优图推出的一款高性能的神经网络前向计算框架，特别适合于移动端的推理应用。 YOLO（You Only Look Once）系列...
YOLOv8-pose在ncnn框架下部署代码，包括onnx、*.bin、*.param
05-05
YOLOv8-pose在ncnn框架下部署过程记录（包含ncnn、pnnx安装以及模型结构更改及转换） https://blog.csdn.net/Rachel321/article/details/130381788
ncnn部署-使用ncnn在ios+android上部署yolov5-项目实战-附完整流程教程.zip
01-19
这个附带的“ncnn部署_使用ncnn在ios+android上部署yolov5_项目实战_附完整流程教程”应该包含了详细的步骤和示例代码，帮助你一步步实现从模型转换到实际运行的全过程。教程通常会涵盖环境配置、模型转换、平台适配...
yolov5转化成onnx的模型和 NCNN模型
08-05
7. **部署与推理**：最后，将优化后的ncnn模型部署到目标设备上，编写相应的C++代码进行推理。NCNN提供了丰富的API接口，方便开发者快速集成到自己的应用中。 转换过程中需要注意的是，不同版本的YOLOv5可能有不同...
（三）Yolov8的NCNN模型导出与关键点检测任务部署
机器人视觉感知
04-07 1454
欢迎访问个人网络日志🌹🌹🌹🌹。
PyTorch模型部署流程(ONNX Runtime)
AIGC Studio：分享AIGC前沿知识和好玩应用，公众号同名。
07-16 2986
模型部署指让训练好的深度学习模型在特定环境中运行的过程。模型部署会面临的难题： 运行模型所需的环境难以配置。深度学习模型通常是由一些框架编写，比如 PyTorch、TensorFlow。由于框架规模、依赖环境限制，框架不适合在手机、开发板等生产环境中安装。模型部署不能靠简单的环境配置与安装完成。本文介绍目前模型部署比较流行的流水线：不同的模型先统一转换为onnx中间件再转到不同的推理引擎上进行推理。
深度学习模型DNN部署到安卓设备上全流程示例——{pytorch-＞onnx＞ncnn-＞Android studio}
xiaodidididi521的博客
04-08 7579
深度学习模型DNN部署到安卓设备上全流程示例——{pytorch-＞onnx＞ncnn-＞Android studio}
yolov8seg模型转onnx转ncnn
蓝羽飞鸟的博客
05-16 2637
yolov8seg转onnx转ncnn
记录历经三天将自己的yolov5模型部署到Android安卓手机
热门推荐
qq_44696500的博客
04-15 2万+
将yolov5部署到安卓手机移动端 记录历经三天将自己的yolov5模型部署到安卓手机
yolov5 pt转onnx_yolov5＞onnx>ncnn＞安卓apk
06-06
好的，你的问题是关于将 YOLOv5 模型从 PyTorch 转换为 ONNX，然后再将 ONNX 模型转换为 NCNN，并将其集成到 Android APK 中的流程，对吗？ 首先，将 YOLOv5 PyTorch 模型转换为 ONNX 格式，可以使用 PyTorch 官方提供的工具 "torch.onnx" 实现。具体的转换步骤可以在 PyTorch 的官方文档中找到。 然后，可以使用 ONNX Runtime 或其他 ONNX 推理引擎将 ONNX 模型转换为 NCNN 模型。这个过程需要使用 ncnn 工具，并且需要安装 CMake、OpenCV 等依赖项。具体的转换步骤可以在 ncnn 的官方文档中找到。 最后，可以使用 Android Studio 将 NCNN 模型集成到 Android APK 中，实现目标检测等功能。需要注意的是，这个过程需要使用 Android NDK 编译 C++ 代码，并且需要在 Android App 中添加相应的权限和配置。 以上是大致的流程，具体的实现细节需要根据具体情况进行调整。希望对你有所帮助！

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值