移动端部署深度学习应用之yolov5--android

试了多种路径，此法简单易行，性能差了点，待提升，但能跑起来。 

1. 有个小伙伴做好的应用框架

git clone https://github.com/xugaoxiang/yolov5_android_tflite

运行效果没问题，就是实际识别速度比较慢，有很大的提升空间，胜在模型兼容性好

2. pc端训练自己的数据，得到best.pt模型

用电脑摄像头进行测试

python detect.py --weights /Users/myself/dev/yolo/yolov5/hy-trained/best.pt --source 0 

测试模型效果OK. 

 

3. 输出tflite模型

 

python export.py --weights /Users/myself/dev/yolo/yolov5/hy-trained/best.pt   --include tflite  --img 416

注意， 例子的图片大小为416*416，所以需要把模型输出为416大小。 

再用pc调用进行模型测试

python detect.py --weights /Users/myself/dev/yolo/yolov5/hy-trained/best-fp16.tflite --source 0 --img 416

效果ok. 

4. 替换移动端文件，编译运行

上面训练得到的best-fp16.tflite, 替换到assets目录， 再把class.txt换成自己的label文件

编译运行即可。

issue：

改图片大小会闪退。