【精华】NanoDet Plus之ncnn部署（Linux）

已于 2022-07-13 11:39:43 修改
阅读量6.1k 收藏 8
点赞数 2
分类专栏： 计算机视觉 文章标签： 架构 人工智能 深度学习
于 2022-03-03 17:15:56 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/qq_36722887/article/details/123259156
版权

目录


本项目实现在linux平台使用ncnn部署NanoDet Plus模型的功能，内容亲测有效，可作为通用ncnn模型部署参考项目。

（1）准备工作
（2）操作步骤
step1

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

  • Download ncnn-YYYYMMDD-android-vulkan.zip or build ncnn for android yourself
  • Extract ncnn-YYYYMMDD-android-vulkan.zip into app/src/main/jni and change the ncnn_DIR path to yours in app/src/main/jni/CMakeLists.txt
step2

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

  • Download opencv-mobile-XYZ-android.zip
  • Extract opencv-mobile-XYZ-android.zip into app/src/main/jni and change the OpenCV_DIR path to yours in app/src/main/jni/CMakeLists.txt
step3
  • Open this project with Android Studio, build it and enjoy!
（3）参考教程
LeeZhao@
关注
  • 2
    点赞
  • 踩
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
20、NanoDet训练、测试 以及使用ncnn部署Jetson Nano 进行目标检测和串口数据转发
sxj731533730
02-25 6563
基本思想：最近想尝试一下nano 上部署nanodet，于是记录一下训练过程，手中有一份labelme标注的数据集，于是开始了一波操作~ 首先将图片和json数据集转成xml (https://blog.csdn.net/sxj731533730/article/details/90046780)，然后将xml数据集转成voc； import sys import os import json import xml.etree.ElementTree as ET from PIL import Im
NCNN中的模型量化解决方案：源码阅读和原理解析
最新发布
沉迷单车的追风少年
05-29 420
去年NCNN发布了模型量化的解决方案，作为目前中国大陆被使用最多的端侧模型推理解决方案，NCNN开源的代码值得认真阅读和研究。这篇博客笔者和大家一起探索NCNN的模型量化部分，希望大家在NCNN的世界里玩得开心。
YOLOV5:ncnn的编译部署（Linux）
CSDNXXXR的博客
07-13 3331
ncnn在Linux的编译部署
PC端NCNN部署
mingo_敏
12-01 1853
1 NCNN部署 1.在电脑端使用ncnn实现分类(alexnet) s1，安装g++，cmake，protobuf，opencv s2，对源码进行编译 git clone https://github.com/Tencent/ncnn $ cd <ncnn-root-dir> $ mkdir -p build $ cd build $ cmake .. $ make -j4 s3，...
树莓派上安装nanodet NCNN模型
akirito12的博客
08-02 584
树莓派上安装nanodet NCNN模型 记录自己nanodet 环境搭建 和运行的过程 首先在PC端搭建nanodet的训练模型根据GitHub上的安装流程进行安装，pytorch要选择gpu版本。 训练部分参考了这两篇博客 需要自己修改里面的一些东西 https://www.cnblogs.com/azureology/p/14103685.html https://github.com/RangiLyu/nanodet 训练完成之后讲nanodet的pytorch模型转成ncnn模型加快模型的推理
ncnn测试nanodet环境搭建
appleaper的博客
11-26 1725
ncnn测试nanodet环境搭建 我的环境：win7+VS2019+cmake 按照demo：https://github.com/RangiLyu/nanodet/tree/main/demo_ncnn 1.安装Vulkan。 我直接选了最新版，然后傻瓜式直接下一步下一步。完成之后重启一下。Vulkan就会直接的自动添加到环境目录中了。 2.安装ncnn 打开类似命令行输入器： Start the command prompt: Start → Programs → Visual Studio 2017
NanoDet-ncnn可直接安装使用的apk安装包
09-11
Android平台， 实测可用
MODNet NCNN C++部署代码，及其模型
04-01
在这个场景中，我们看到它被适配到C++环境中进行部署，利用了NCNN这一高效的深度学习推理框架。NCNN是腾讯优图实验室开发的一个轻量级、高性能的深度学习推理框架，特别适合移动端和嵌入式设备上的应用。 首先，`...
基于ncnn部署yolov5及量化
02-15
本文将深入探讨如何基于ncnn框架部署Yolov5模型，并对其进行量化，以实现高效的移动端或嵌入式设备推理。ncnn是腾讯优图团队开发的一款高性能、轻量级的C++推理框架，特别适合于移动平台。 首先，我们要理解Yolov5...
算法部署-使用NCNN部署YOLOv9目标检测算法-支持Android平台的部署-优质算法部署项目实战.zip
03-15
在本项目实战中，我们将探讨如何使用NCNN框架部署YOLOv9目标检测算法，并将其应用于Android平台。NCNN是一个高性能、轻量级的深度学习推理框架，特别适合于移动端和嵌入式设备。YOLOv9是YOLO（You Only Look Once）...
算法部署-使用OpenVINO+NCNN+MNN部署anchor-free目标检测算法nanodet-附项目流程教程-项目源码
04-27
本项目聚焦于使用OpenVINO、NCNN和MNN框架来部署一款名为nanodet的anchor-free目标检测算法。这里我们将深入探讨这些知识点，以便理解和实践该项目。 **OpenVINO（Open Visual Inference and Neural Network ...
NCNN模型部署
MLer
07-18 3293
自定义项目的CMake配置 # 最低CMake版本要求 cmake_minimum_required(VERSION 3.14.5) # 项目名称 project(NCNN_TEST) # 查找OpenCV find_package(OpenCV REQUIRED) # OpenCV4编译需要使用C++11 set(CMAKE_CXX_STANDARD 11) # ncnn项目所在路径，需要...
DetectX 深度学习模型Android部署 - NanoDetPlus + NCNN
riskychengallesgut的专栏
09-04 9032
使用NCNN将Nanodet-Plus_m416部署到android设备上，调用摄像头达到实时检测效果，并根据自身需求训练NanoDet-Plus模型并部署。
NCNN和MNN使用前的Linux环境安装
qq_35996035的博客
03-21 678
基本环境安装： $sudo vim /etc/apt/sources.list 替换内容 deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic main restricted universe multiverse deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic main restricted universe multiverse deb https://mirror
nanodet训练自己的数据集、NCNN部署到Android
weixin_45977690的博客
11-07 983
nanodet目标检测训练自己的数据以及在安卓终端的部署
YOLOX从训练到NCNN部署全流程(7)——模型部署测试
机器人涮火锅的博客
07-13 518
把库的module作为app module的项目依赖，测试之前创建的库是否正常
nanodet_ncnn_vs2019环境搭配
appleaper的博客
11-26 959
我的环境准备： VS2019 opencv3.4.12 protobuf-3.4.0 ncnn ncnn_window安装： Build for Windows x64 using VS2017 因为我只用cpu不用GPU，所以在ncnn编译的时候，输入参数需要重新改变 cmake -G"NMake Makefiles" -DCMAKE_BUILD_TYPE=Release -DCMAKE_INSTALL_PREFIX=%cd%/install -DProtobuf_INCLUDE_DIR=<pr
ncnn部署（CMakelists.txt）
@bangbang的博客
03-08 576
打开VS2013/VS2019的X64命令行（注意不是cmd）,我这里以V32013环境进行编译。注意：cmake -G…这条命令有三个需要换成之前安装protobuf-3.4.0的根目录。表示编译是通过vs2013打开，有如下可以选择的选项。
基于Ubuntu搭建NCNN+nanodet环境
lc22311的博客
04-18 428
要使用 Vulkan 后端，请安装 Vulkan 头文件、vulkan 驱动程序加载程序、GLSL 到 SPIR-V 编译器和 vulkaninfo 工具。最好来自您的分发存储库。下载并安装完整的 Vulkan SDK（大小约为 200MB;它包含所有头文件、文档和预构建的加载程序，以及一些额外的工具和所有内容的源代码）使用NCNN运行nanodet。
ncnn 部署 deeplabv3
07-14
你好！对于使用ncnn部署DeepLabv3模型，你可以按照以下步骤进行操作： 1. 下载ncnn库：你可以从ncnn的GitHub仓库(https://github.com/Tencent/ncnn)中下载并编译ncnn库。 2. 准备DeepLabv3模型：你需要准备一个已经训练好的DeepLabv3模型。你可以从TensorFlow官方提供的模型库中下载预训练的DeepLabv3模型。 3. 将模型转换为ncnn格式：使用ncnn自带的工具ncnn2mem将TensorFlow模型转换为ncnn格式。具体使用方法可以参考ncnn仓库中的文档。 4. 编写ncnn推理代码：在C++中使用ncnn库进行推理。你需要编写一个简单的C++程序，加载并运行转换后的ncnn模型。可以参考ncnn仓库中的示例代码。 5. 编译和运行程序：使用C++编译器编译你的代码，并确保你已正确链接ncnn库。然后运行生成的可执行文件即可。 这是一个基本的步骤概述，具体细节可能根据你的环境和需求而有所不同。希望对你有所帮助！如果你有任何问题，请随时提问。

“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
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