yolox模型训练接入Android

事先准备
Android studio 安卓编译器(网上直接搜索下载安装即可)
pycharm(网上有破解版提供下载)
Anaconda下载
标注工具
安卓模型测试代码
yolox python代码
上面部分安装好之后 我们需要在pycharm设置一下conda解释器

pip install -r requirements.txt

部署流程

数据集采集要求：
1. 质量要求：图片要求目标不能太模糊，最好能有各个角度的图片。
2. 数量要求：每个类别的图片最好大于1500张，另外再加上200张做验证集，因此，每个类别最好有1700张左右的数据。

建立如上文件夹 images就是图片labels就是标签 子文件下的train就是训练集和验证集
打开标注工具

👆Open Dir 需要对应上label输出文件 也就是说Open Dir是我们的选择的图片集文件夹那么对于的Change Save Dir就应当选择当初我们创建的label文件夹
另外我们的模式需要选择跟图中一样的yolox模式 标识完一张即ctrl+s保存一下再到下一张

1. 打开pycharm后 双击根目录下的tool_data_transfer.py文件 在编辑区域右键 选择▶ run’tool_data_transfer’ 如果前面操作正确 会在YOLOV数据集同级目录下生成
   YOLOV5_COCO_format文件夹 里边就是yolox所需的数据格式。
2. 双击tool_train.py文件 在编辑区域右键，选择▶ run 'tool_train’即可开始训练 训练好后 pytorch模型会保存在YOLOX_outputs/yolox_nano/best_ckpt.pth文件中检查是否生成 若没有 则训练失败 不用操作 后续的脚本会选择这个文件进行模型的转换
3. 双击tool_model_export.py文件 在编辑区域右键 选择▶ run ‘tool_model_export’ 即可开始转换 转换完成后 会在YOLOX项目的根目录下生成yolox.bin和yolox.param两个文件
   ⚠注意:出现Unsupported slice step !为正常现象说明转换成功不出现为异常现象说明转换不成功

Android端部署
直接打开yoloxtest测试demo
将yolox.bin和yolox.param两个模型文件拷贝至Android工程目录中的asset文件夹中

//如果移植到别的项目 我们需要在app下的gradle加入以下
android{
...
 defaultConfig {
 	...
        ndk {
            abiFilters.add("armeabi-v7a")
            abiFilters.add("x86")
            abiFilters.add("x86_64")
            abiFilters.add("arm64-v8a")
        }
    ...
    }
 externalNativeBuild {
        cmake{
            version="3.18.1"
            path=file("src/main/cpp/CMakeLists.txt")
        }
    }
    ndkVersion="21.4.7075529"
    sourceSets {
        named("main") {
            jniLibs.srcDir("src/main/cpp/libs")
        }
    }
...
}

然后把所有cpp整个从copy过去
在Android中我们需要新建一个yolox.java文件

import android.content.res.AssetManager;
import android.graphics.Bitmap;

public class Yolox {
    public native boolean loadModel(AssetManager mgr, int modelid);
    public native Bitmap detector(Bitmap bitmap, Bitmap.Config config);
    static {
        System.loadLibrary("yoloxncnn");
    }
}

上面两个方法对应的是cpp目录下的yoloxncnn.cpp

我们需要对应的修改这个地方的报名
这样我们yolox那边的方法就会自动对应上