在手机app中尝试使用yolov5模型

参考链接：android-demo-app/ObjectDetection at master · pytorch/android-demo-app · GitHub

0、准备的工作：

相关软件链接：Android Studio，yolov5s.pt，yolov5 code

yolov5的代码是旧版v5.*版本：链接

Android studio是zip格式，解压，双击android-studio\bin\studio64.exe

第一次使用，按照提示进行配置和下载sdk，可参考：2023最新版Android studio安装入门教程（非常详细）从零基础入门到精通，看完这一篇就够了。-CSDN博客

该测试demo是基于Java8的，所以尝试的时候应该安装Java8的环境，直接双击默认安装java8的msi软件即可。

该程序需要ndk，所以需要配置NDK，参考链接 

要测试运行对象检测Android应用程序，请按照以下步骤操作:

1、准备模型

如果您没有设置PyTorch环境来运行脚本，则可以下载模型文件yolov5s.torchscript.ptl 这里到android-demo-app/ObjectDetection/app/src/main/assets文件夹，然后跳过此步骤的其余部分，直接转到步骤2。

YOLOv5 仓库文件夹中的export.py用于为移动应用程序生成名为yolov5s.torchscript.pt的TorchScript格式YOLOv5模型。

打开Mac/Linux/Windows终端，运行以下命令 (请注意，我们使用原始YOLOv5 repo的分支来确保代码更改正常工作):

git clone https://github.com/ultralytics/yolov5
cd yolov5
pip install -r requirements.txt wanb

注意下面的步骤已经用提交进行了测试cd35a009ba964331abccd30f6fa0614224105d39如果运行脚本或使用模型有任何问题，请尝试git reset --hard cd35a009ba964331abccd30f6fa0614224105d39。

编辑export.py进行以下两项更改:

• 之后f = file.with_suffix('.torchscript.pt'),添加一行fl = file.with_suffix('.torchscript.ptl')

• 之后(optimize_for_mobile(ts) if optimize else ts).save(f),添加(optimize_for_mobile(ts) if optimize else ts)._save_for_lite_interpreter(str(fl))

现在运行下面的脚本以生成优化的TorchScript lite模型yolov5s.torchscript.ptl并将其复制到android-demo-app/ObjectDetection/app/src/main/assets文件夹 (原始的完整JIT模型yolov5s.torchscript.pt还生成了用于比较):

请注意，YOLOv5模型的小型版本运行速度更快，但精度较低，默认情况下会在运行export.py。您还可以更改weights参数中的export.py生成模型的中型、大型和超大型版本。

2.使用Android Studio构建

手机开启开发者模式，开启usb调试，开启USB安装。

Android Studio加载demo：

进入文件修改如下：

file ——project structure，修改如下：

gradle 设置为jdk8

Build——Make Project;

app——Run “App”

如果没连接手机，则会在编辑器中，自动模拟一个安卓设备用于测试，点击detect会在界面生成结果。

如果连接了手机并完成之前开发者设置，查看手机，会提示安装app，安装即可。