基于RKNN的YOLOv5安卓Demo

最新推荐文章于 2025-04-17 16:09:40 发布
最新推荐文章于 2025-04-17 16:09:40 发布
阅读量1.9k 收藏 12
点赞数 11
分类专栏： android 文章标签： android yolov5 神经网络
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/hanshiying007/article/details/137332023
版权
本文介绍了如何将RKNNModelZoo的YOLOv5对象检测demo集成到安卓应用中，包括加载模型、运行效果和注意事项，特别关注了零拷贝API在不同场景下的性能对比。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

1.简介

基于RKNPU2 SDK 1.6.0版的安卓YOLOv5演示应用程序，选择图片进行对象检测并显示识别结果。

GitHub源码地址：https://github.com/shiyinghan/rknn-android-yolov5

2.实现过程

参考RKNN官方库RKNN Model Zoo提供的YOLOv5对象检测demo，该demo是二进制的可执行程序，没有整合成app，但是代码结构比较清晰，整合成安卓应用，可以熟悉一下流程。

App相关的功能，例如加载asset下面的rknn模型文件等，参考了ncnn-android-yolov5软件库。

调用模型推理和后处理逻辑参考rknn_model_zoo/examples/yolov5/cpp下面的demo源码。

3.运行效果

先选择图片，然后点击识别，效果如下：
在这里插入图片描述

4.注意事项

运行该demo之前需要保证开发板端已经配置好了RKNN环境，/vendor/bin/rknn_server和/vendor/lib64/librknnrt.so的版本都是1.6.0。

RKNN官方已经有使用摄像头的实时数据进行yolov5对

最低0.47元/天 解锁文章
RK3588平台深度开发：揭秘RKNN在Android上的应用与优化
一直在水些技术小文
12-22 926
RKNN是瑞芯微（Rockchip）推出的深度学习推理引擎，旨在加速在嵌入式设备上运行的深度学习模型。它支持多种深度学习框架，如TensorFlow、Caffe、ONNX等，为开发者提供了高度灵活的选择。通过本文的深度讲解，我们揭秘了在RK3588平台上进行RKNN开发的核心概念与优化技巧。RKNN引擎作为深度学习在嵌入式设备上的加速利器，为实现更强大的人工智能功能提供了有力支持。希望本文对于正在进行RK3588平台深度开发的开发者有所启发。
yolov5模型在安卓android平台上部署（一）demo运行
weixin_50862344的博客
11-04 3273
yolov5模型在安卓平台上部署（1）demo运行
RKNN在RK3588S上安卓系统的表现
magc888的博客
11-21 505
已准备放弃，客服让更新安卓rom说可以解决不能识别usb摄像头的问题，更新后有所改善，原来能用的那个反倒不能用了，不能用的4个里面有2个能用了，不知何故，不过有个惊喜，其中一个帧率居然达到了30帧，未搞清楚具体原因，而另一个依然只有10帧。程序编译过程较为顺利，测试过程比较坎坷，不知何故开发板对usb摄像头支持不好，共测试5中摄像头只有一个能够正常工作，测试结果1280x720分辨率只有10帧，图像设置为1024x576后也只有15帧。
RK3588——yolov5_demo源码阅读
最新发布
pyh1322712308的博客
04-17 725
学习Yolov5的demo
android studio接入yolov5 rknn模型
qq_28708585的博客
08-16 970
我们打开Android.mk文件，发现有Local_Module 后面的值为rknn_yolov5，引入的C++部分，相当于一个本地库，调用本地库需要名称，代码中的名称为：rknn_yolov5。点开jni文件，发现对应的方法灰色，不生效，观察后发现，方法名int前面的东西，com_herohan_rknn_1yolov5_YoloV5Detect，与我们自己创建的项目不匹配，修改它。如果说，我们在一个旧的项目中，因为业务因素，需要添加C++代码来实现某种功能，总不能新创建一个项目吧。
android的多线程详解
android大牛MrJing 活动中心
09-02 1009
使用线程处理 耗时比较长的“业务” 有以下几种方式： 1)Activity.runOnUiThread(Runnable) 2)View.post(Runnable) ;View.postDelay(Runnable , long) 3)Handler 4)AsyncTask Android是单线程模型，这意味着Android UI操作并不是线程安全的并且这
rknn-yolov5-android-apk-demo
06-28
rknn_yolov5_android_apk_demo
【备忘】RK3588中RKNN_YOLOV5的demo运行
LateLinux的博客
04-14 3102
原脚本有点问题，需注意，修改的内容需要与1.3相符，我按照文档推荐装的是9，如果装其他的版本，本步骤需要同步变更。2.1 【Demo板】/data目录下新建一个"rknn_yolov5"的目录。1.2 【Demo板】更新rknn_server和librknnrt.so。2.2 【调试机】上传必要文件至【Demo板】1.1 【调试机】下载RKNPU2工程。1.4【调试机】下载交叉编译工具链。1.5 【调试机】更改build脚本。1.3 【调试机】安装交叉编译工具。1.6 【调试机】编译。
yolov5训练并生成rknn模型部署在RK3588开发板上，实现NPU加速推理
热门推荐
m0_62919535的博客
03-24 1万+
RK3588是瑞芯微（Rockchip）公司推出的一款高性能、低功耗的集成电路芯片。它采用了先进的28纳米工艺技术，并配备了八核心的ARM Cortex-A76和Cortex-A55处理器，以及ARM Mali-G76 GPU。该芯片支持多种接口和功能，适用于广泛的应用领域。本篇为yolov5部署在RK3588的教程。接着将训练好的best.pt放在工程文件夹下，使用yolov5工程中的export.py将其转换为onnx模型。
rknn_demo.tgz
11-29
rknn_demo which porting rtsp and video record. when this app run in rk1808 chip , you can connect this as ipc which use address: rtsp://IP:8554/live
yolov5模型部署到安卓手机-源代码
06-20
yolov5模型部署到安卓手机-+模型文件+app源代码，下载后可以直接编译使用； 详情请参考文章： https://blog.csdn.net/qq122716072/article/details/125371307 示例： 内容概要：安全帽识别模型部署android app
yolov5_for_rknn:PyTorch中的YOLOv5> ONNX> RKNN
05-10
原版仓库： 修改版 yolov5 使用方法 环境要求：python version >= 3.6 模型训练：python3 train.py 模型导出：python3 models/export.py --weights "xxx.pt" 转换rknn：python3 onnx_to_rknn.py 模型推理：python3 rknn_detect_yolov5.py 注意事项：如果训练尺寸不是640那么，anchors会自动聚类重新生成，生成的结果在训练时打印在控制台，或者通过动态查看torch模型类属性获取，如果anchors不对应那么结果就会出现问题。 建议：在训练时如果size不是640，那么可以先通过聚类得到anchors并将新的anchors写入到模型配置文件中，然后再训练，防止动态获取的anchors在rknn上预测不准的问题。训练参数别忘记加上 --noautoanchor
0510-极智开发-解读trtexec命令行模型推理方式
03-29
0510_极智开发_解读trtexec命令行模型推理方式
Rk3588平台安卓系统使用RKNN推理yolov5网络
11-09
支持的平台 - RK3566/RK3568 - RK3588/RK3588S - RV1103/RV1106
rknn-yolov5-demo
04-15
rknn-yolov5-demo
嵌入式AI之rknn yolov5初探
带着耳朵取流浪的博客
11-22 517
本文主要记录在RK3588上跑通RKNUP的rknn_yolov5_demo的过程，并且对rknn_yolov5_demo的代码进行修改，实现在显示器上同步播放rknn_yolov5_demo视频流检测结果。参考上面RK原厂给出来的步骤就可以直接在板上调用rknn_yolov5_video_demo程序和yolov5s-640-640.rknn对图片或者视频进行出来了。上面的代码通过管道的方式，将RKNN处理完的一帧图片同步到ffplay进行播放，从而实现对摄像头人物检测的实时标注。
rknn实现yolo5目标检测
zxfeng的博客
10-04 1568
进入 rknn_model_zoo/examples/yolov5/python 目录，运行 yolov5.py 脚本，便可通过连板调试的方式在板端运行 YOLOv5 模型。其中platform为板卡平台的芯片类型，dtype为模型的精度，可以看到不同精度的模型适用的平台有所区别，在设置时需要注意。编译完成后，会在 rknn_model_zoo 目录下产生 install 文件夹， 其中有编译好的可执行文件，以及测试图。以官方model_zoo中的YOLOv5为例，进行模型的转换及测试。
瑞芯微RK1808编译rknn_demo
suntingsheng123的专栏
05-07 4884
操作步骤在ubuntu16.04下编译。 官方给的sdk里的rknn_demo不能直接编译。缺少一些动态链接库，还需要完善一些CMakeLists.txt内容。首先在rknn_demo下新建一个build。进入 build文件夹下。执行指令cmake .. 然后在执行指令make。会发现提示缺少动态库和一些头文件。好吧下面我们来解决这些问题。因为rk1808里的rknn_demo可执行文件可以使...
/rknpu2/examples/rknn_yolov5_demo_v5/convert_rknn_demo/yolov5
09-04
这个路径"/rknpu2/examples/rknn_yolov5_demo_v5/convert_rknn_demo/yolov5"看起来像是指向一个rkNN（Raspberry Pi Neural Network）环境下的YOLOv5模型转换示例目录。rkNN是一个针对嵌入式设备优化的人工智能框架，它允许将预训练的深度学习模型如YOLOv5（You Only Look Once Version 5，一种流行的物体检测算法）转换成能在像Raspberry Pi这样的低功耗设备上运行的形式。 在这个特定的`yolov5`子目录下，可能会包含一些脚本和文件，用于将预训练的YOLOv5模型转换成rkNN可以部署的模型格式，以便在资源受限的硬件平台上实现实时目标检测任务。这个过程通常包括模型量化、权重优化以及适应rkNN平台的配置步骤。
评论 3
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