通过Android Studio 将yolov5部署到手机端(2023新手最新适用版)

已于 2023-08-25 22:13:54 修改
阅读量7k 收藏 84
点赞数 20
分类专栏： 边缘端部署 文章标签： android studio YOLO 智能手机
于 2023-08-23 01:36:00 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_60943902/article/details/132440203
版权

通过Android Studio 将yolov5部署到手机端(2023新手最新适用版)

java17安装

下载java17

Java Downloads | Oracle

image-20230822232854998

配置环境变量

这个是我安装后的路径，将这个路径复制

image-20230822233126273

设置环境变量

image-20230822233252757

image-20230822233337178

在系统变量点击新建

image-20230822233522493

image-20230822233549524

JAVA_HOME
%JAVA_HOME17%

继续新建

image-20230822233749359

CLASSPATH
.;%JAVA_HOME%\lib\dt.jar;%JAVA_HOME%\lib\tools.jar

继续新建

image-20230822233845476

JAVA_HOME17
自己的java17路径

新建完成后点击确定

image-20230822234002150

测试Java17

image-20230822234139174

java -version

安装成功！！！！

Android studio 安装

Android Studio 下载

下载链接：Download Android Studio & App Tools - Android Developers (google.cn)

当前版本为： | 2022.3.1 Patch 1

image-20230822234643138

开始安装

image-20230822234949504

image-20230822235003626

记得更改路径，别放到c盘里

image-20230822235117248

image-20230822235205255

image-20230822235301281

image-20230822235317781

基本配置

  1. 打开后，系统会提示导入Android Studio 配置，选择Do not import settings，然后点击OK.

img

  1. 设置数据共享，选择 Don’t send

img

  1. 提示插件更新，可以点击Update进行更新，或者忽略

img

  1. 点击：Next 进入下一步

img

  1. 选择安装类型：Standard（默认）或者Custom（自定义），点击：Next 进入下一步

img

  1. 选择要安装的Android SDK 组件和安装位置，组件默认即可，下面能打勾的都都打上，我这里已经安装过了，安装位置自己选择（别放在c盘），点击：Next 进入下一步。

image-20230822235905294

  1. Emulator Settings 模拟器内存分配，分配需要的内存（此步骤没有直接略过）

img

8.点击Finish 进行安装以上选择的组件。

img

  1. 等待下载安装完成。

img

10.点击Finish 完成安装。

img

yolo配置

将如下两个yolo链接下载：（此处估计得用加速器，不然会比较慢）

第一个：

Releases · Tencent/ncnn (github.com)

image-20230823000948029

第二个：

nihui/ncnn-android-yolov5: The YOLOv5 object detection android example (github.com)

image-20230823001110653

将两份文件下载好之后，并解压

image-20230823001225869

打开vulkan文件后，将其复制并粘贴到ncnn-android-yolov5-master\app\src\main\jni

复制：

image-20230823001512878

粘贴位置：

image-20230823001706280

用Android studio 打开 ncnn-android-yolov5-master(这个地方路径别打开错了，不然会很安装不上)

image-20230823003806175

然后修改同级目录下的CMakeLists.txt，将其中的ncnn_DIR变量值修改成

set(ncnn_DIR ${CMAKE_SOURCE_DIR}/${ANDROID_ABI}/lib/cmake/ncnn)

在这里插入图片描述

继续修改文件，打开ncnn-android-yolov5-master/build.gradle,将红色方框处更换为7.3.0 (也可以用android studio打开该文件)

image-20230823010705004

image-20230823010221110

继续修改文件，打开ncnn-android-yolov5-master\gradle\wrapper,将红色方框处更换为7.4 ，(也可以用android studio打开该文件)

image-20230823010404758

image-20230823010454527

sdk配置

打开settings

image-20230823010821618

image-20230823011045940

image-20230823011209872

注意此处cmake的安装，点开右下角的show package …

image-20230823011355054

之后点击apply

image-20230823011430311

sdk下载完成后，用Android Studio打开如下文件,等待编译

image-20230823012159887

image-20230823012113773

安装app到手机

image-20230823012508563

将电脑连接数据线并插入手机，手机打开开发者模式（不同的手机位置可能不一样），打开usb调试，usb安装。Android Studio会识别到手机设备。

image-20230823013102530

我的手机设备

image-20230823012715456

点击运行

image-20230823013225731

运行后，软件会安装到手机上：

image-20230823013343846

运行效果：

image-20230823013411763

BTU_YC
关注
  • 20
    点赞
  • 踩
  • 84
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 15
    评论
专栏目录
yolov5系列-yolov5模型部署到安卓手机、nvidia-jetson
GeekPlusA的博客
06-20 5485
2. 生成 onnx 文件 执行脚本会在模型文件夹下生成、两个文件 对onnx文件进行压缩 2.2 将onnx文件转化成param文件 a. 简单粗暴的：使用工具 b. 使用ncnn 编译ncnn,目的是生成 onnx 转 ncnn 的命令行工具 编译完成后,把你的文件放在文件夹下，执行下面的命令,会生成两个文件yolov5s.param和 yolov5s.bin 3. 部署模型到安卓手机 将生成的yolov5s.bin、yolov5s.param文件放到assets文件夹下并替换原来的修改para
YOLOv5安卓部署 | 理论+环境配置+实战
YOLOv8项目贡献者
10-31 4210
YOLOv5安卓部署理论+环境配置+实战
onnx部署最新版yolov5v6.1模型demo
07-06
onnx部署最新版yolov5v6.1模型demo torch 1.8.1 torchvision 0.9.1 onnx 1.12.0 onnx-simplifier 0.3.10 onnxoptimizer 0.2.7 onnxruntime 1.11.1
YOLOv5_NCNN:NC在手机上部署NCNN。支持Android和iOS。移动端NCNN部署，支持Android与iOS
03-18
:rocket:如果有帮助，请单击星号！ :star: Ncnn在移动设备上的部署，支持：相机上的YOLOv5s，YOLOv4-tiny，MobileNetV2-YOLOv3-nano，简单姿势，Yolact，ChineseOCR-lite，ENet，Landmark106，DBFace，MBNv2-FCN和MBNv3-Seg-small。 iOS： Xcode 11.5 macOS 10.15.4 iPhone 6sp 13.5.1 安卓： Android Studio 4.0 Win10 1909年 魅族16x 8.1.0（CPU：高通710 GPU：Adreno 616） Android已添加了权限请求，但如果仍然崩溃，请手动确认是否允许相关权限。 的iOS Select the model to be tested directly on the interface. 安卓 Selec
最新【教程】YOLOv5模型转化-Android端部署_yolov5 android，面试大厂之前要到达什么水平
最新发布
m0_61331491的博客
05-08 1055
别在网上瞎学了，我最近也做了一些资源的更新，只要你是我的粉丝，这期福利你都可拿走。我先来介绍一下这些东西怎么用，文末抱走。这是我花了几天的时间去把Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。最近我才对这些路线做了一下新的更新，知识体系更全面了。
【教程】YOLOv5模型转化-Android端部署
热门推荐
weixin_42815846的博客
06-03 1万+
这里写目录标题前言转化方法官方的转化方法合作者的转化方法量化部署部署流程效果展示 前言 最近做毕设使用到yolov5，该模型为ultralytics公司的一个开源产品，由Glenn大佬实现，有很多合作的开发者参与了该项目，开发迭代速度非常快，三天两头就有更新。为了实现一个完整的毕业设计流程，就需要实现YOLOv5模型的训练、验证到最终的落地，也就是部署。 训练相对简单，只需要跟着官方教程即可，根据特定数据集进行预处理并训练????????链接 训练并验证后则需要考虑部署，具体部署方案有： ONNX：该模
【yolox-Android Demo实现】傻瓜式教程
weixin_44257107的博客
03-15 477
Yolox Android移动端部署demo实现
安卓端使用ncnn部署yolov5（v6.0）
女神sha手的博客
12-26 4661
ncnn是腾讯公司开源的一个专为手机端极致优化的高性能神经网络前向计算框架。ncnn从设计之初，就深刻考虑手机端的部署和使用，无需第三方依赖，跨平台，手机端cpu的速度快于目前所有已知的开源框架。基于ncnn，开发者能够将深度学习算法轻松移植到手机端高效执行，开发出人工智能APP，将AI带到你的指尖。
Yolov5手机端部署
qq_33031419的博客
10-18 1159
Yolov5手机端部署
YOLOv5-Lite:NCNN流程跑通
wzw773828204的博客
09-27 1850
Android端跑通Yolov5-Lite全流程
YOLOv5s剪枝+量化+安卓部署学习记录───模型剪枝
zswzswzsw233的博客
06-09 2849
使用yolov5s体验一下模型剪枝、量化和安卓部署过程
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
基于ncnn-android部署YOLOv5（源码+说明文档）.rar
04-15
1、资源内容：基于ncnn-android部署yolov5（完整源码+说明文档+数据）.rar 2、代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 3、适用对象：计算机，电子信息工程、数学等专业的大学生课程...
yolov8模型集成到android端demo
01-22
在本文中，我们将深入探讨如何将YOLOv8模型集成到Android端的Demo应用程序中，以便实现图像识别功能。YOLO（You Only Look Once）是一种实时目标检测系统，以其高效和准确性而闻名。YOLOv8是YOLO系列的最新版本，它...
RK3568实现Android平台搭建yolov5目标识别模型（Android Studio）
11-23
在本文中，我们将深入探讨如何在基于RK3568芯片的Android平台上使用Android Studio搭建并运行Yolov5目标识别模型。RK3568是一款高性能、低功耗的ARM Cortex-A55处理器，适合于开发嵌入式AI应用。Android Studio作为...
yolov5 部署到android 实现对单个(或多个)目标进行检测
04-18
在本文中，我们将深入探讨如何将YOLOv5模型部署到Android平台，实现对单一或多个目标的实时检测。YOLO（You Only Look Once）是一种高效的目标检测算法，特别是YOLOv5版本，它在速度与精度之间取得了很好的平衡，...
如何把android studio中的项目发布到手机上（超详细版）
mlyhzt的博客
08-29 6435
如何把android studio中的项目发布到手机上（超详细版）
Yolov5部署模型至Android
Zhh133zhu的博客
12-09 249
使用的TesnsorFlowLite框架，只需要加入模型流程简单，后续可以根据自己的需求进行更改。
YOLOV5从训练到部署测试NCNN安卓端部署保姆级教程
u012161181的博客
10-21 4896
基于YoloV5 6.0版本的NCNN部署，保姆级教程。
yolov5如何部署到android
09-21
### 回答1： 您可以使用Android Studio将YOLOv5模型部署到Android设备上。首先，您需要将YOLOv5模型转换为TensorFlow Lite格式，然后将其添加到Android Studio项目中。接下来，您可以使用Java或Kotlin编写代码来加载模型并在Android设备上运行YOLOv5目标检测。具体的步骤和代码实现可以参考相关的教程和文档。 ### 回答2： 要将YOLOv5部署到Android设备上，可以按照以下步骤进行： 1. 安装Android开发环境：确保已安装Java开发工具包（JDK）和Android Studio。这样可以使用Android Studio进行开发和构建。 2. 创建一个新的Android项目：在Android Studio中创建一个新的项目，并选择合适的项目名称和存储位置。 3. 添加YOLOv5模型：将YOLOv5的模型文件（如.weights或.pt文件）添加到Android项目的"assets"文件夹中。 4. 配置项目依赖项：在项目的build.gradle文件中，通过添加相应的依赖项，引入OpenCV和PyTorch库。 5. 配置JNI接口：创建一个JNI（Java Native Interface）接口文件，将其与YOLOv5模型集成。JNI接口可以通过调用本地C/C++代码来连接Java代码和模型。 6. 编写Java代码：编写适当的Java代码以加载YOLOv5模型并进行目标检测。这包括从相机捕获图像，调用JNI接口加载模型并获取检测结果。 7. 构建和打包项目：使用Android Studio进行构建，以生成一个或多个APK文件。确保配置AndroidManifest.xml文件以获取所需的权限和功能。 8. 安装和运行应用程序：将生成的APK文件发送到Android设备，并安装和运行应用程序。确保设备具有足够的性能和存储空间来运行YOLOv5模型。 通过以上步骤，您就可以将YOLOv5成功部署到Android设备上，并使用相机进行实时目标检测。请注意，这个过程可能需要一些开发经验，并且可能需要在不同的环境中进行一些调整和修改，以适应您的具体需求和设备。 ### 回答3： 要将YOLOv5部署到Android设备上，可以按照以下步骤进行操作： 首先，需要将YOLOv5模型转换为适用于Android设备的格式。可以使用ONNX或TFLite等工具将模型从PyTorch转换为可在Android上运行的格式。 接下来，创建一个Android项目，并将转换后的模型文件添加到项目中。 在Android项目中，需要使用相关的深度学习推理库，如TensorFlow Lite或NCNN。这些库支持在Android设备上运行深度学习模型。可以根据自己的需求选择合适的库，并将其集成到Android项目中。 然后，在Android项目中编写代码，加载转换后的模型，并使用深度学习推理库进行目标检测。可以使用相机API或视频流作为输入，对每一帧进行目标检测，并将检测结果显示在屏幕上。 为了提高目标检测的性能，可以使用一些优化技术。例如，可以使用图像预处理技术对输入图像进行调整和裁剪，以提高模型的准确性和速度。此外，还可以使用硬件加速技术，如GPU或NEON指令集，来加速推理过程。 最后，将整个Android项目构建为一个APK文件，并安装到Android设备上进行测试。可以在实际场景中测试模型的性能和准确性，并根据需要进行调整和优化。 总的来说，将YOLOv5部署到Android设备上需要进行模型转换、库集成、代码编写和优化等步骤。这些步骤确保了将YOLOv5成功部署到Android设备上，并实现在移动设备上进行实时目标检测的功能。

“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 15
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

打赏作者

BTU_YC

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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