【笔记】在手机上运行yolo v8进行目标检测

结果如图：

第一步：使用yolo v8训练模型：

仓库地址：GitHub - ultralytics/ultralytics: NEW - YOLOv8 🚀 in PyTorch > ONNX > OpenVINO > CoreML > TFLite
训练模型不是本文重点，在此不做赘述，有时间再出一期。

第二步：模型转换：

1、pt格式转为onnx格式：

使用代码：

from ultralytics import YOLO

model = YOLO("./best.pt")
success = model.export(format="onnx", simplify=True, opset=12)

得到结果：

 

2、onnx格式转ncnn格式：

网址：一键转换 Caffe, ONNX, TensorFlow 到 NCNN, MNN, Tengine (convertmodel.com)

得到结果：

第三步：安装android studio：

非本文重点，不做赘述。

第四步：准备项目：

下载并解压：

FeiGeChuanShu/ncnn-android-yolov8: Real time yolov8 Android demo by ncnn (github.com)

Releases · Tencent/ncnn (github.com)        ncnn-20221128-android-vulkan

Releases · Tencent/ncnn (github.com)        opencv-mobile-4.6.0-android

将ncnn-20221128-android-vulkan和opencv-mobile-4.6.0-android放置于：ncnn-android-yolov8-main\ncnn-android-yolov8\app\src\main\jni

android studio打开项目，后设置：

Tools->SDK Manager->勾选Show Package Details

SDK Tools中，勾选：NDK：21.3.6528147，CMake：3.10.2.4988404，后Apply->OK。

local.properties添加代码（路径改成自己的SDK文件夹内）：

cmake.dir=D\:\\Sdk\\cmake\\3.10.2.4988404

CMakeLists.txt更改代码：

第五步：运行：

点击Sync Project with Gradle Files：

手机打开开发者模式，打开USB调试，用USB线连接电脑，选择允许调试，选择传输文件。

点击Run：

Demo体验：

链接：https://pan.baidu.com/s/17lSDGQ2HXjSHXIP5KGw2NQ?pwd=yhpv 
提取码：yhpv