yolov5模型转换部署安卓端

已于 2022-09-01 21:47:26 修改
阅读量2.8k 收藏 21
点赞数
CC 4.0 BY-SA版权
分类专栏： yolo 文章标签： pytorch
于 2022-05-07 10:48:48 首次发布
原文链接：https://blog.csdn.net/LHYlhy0825/article/details/123060624 https://blog.csdn.net/qq_44696500/article/details/124195375
本文详细记录了如何在Android设备上部署经过ONNX转换和NCNN优化的YOLOv5模型，涉及模型导出、简化、转换为ncnn参数和bin文件，以及必要的文件修改和Android应用配置。适合开发者快速了解部署流程。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

参考
记录历经三天将自己的yolov5模型部署到Android安卓手机
YOLOv5学习记录(二): 模型转化及Android端部署
非常感谢以上作者~

  • 首先，安装onnx：
pip install onnx

pt转onnx

python export.py --data data/HGI_30_detection.yaml --weights runs/train/exp14/weights/best
.pt --train
  • 安装简化工具：
pip install onnx-simplifier

简化.onnx

python -m onnxsim runs\train\exp14\weights\best.onnx runs\train\exp14\weights\best-sim.onn
x
  • 下载onnx2ncnn.exe

ncnn-windows-vs-2019或2022

onnx 转param 、bin:使用 中 onnx2ncnn.exe文件进行转换，我为了方便直接将该文件放入train.py同级目录，如图：
在这里插入图片描述

onnx2ncnn.exe runs\train\exp14\weights\best-sim.onnx runs\train\exp14\weights\best.param runs\train\exp14\weights\best.bin

1.修改param文件
（1）将生成的yolov5s.bin、yolov5s.param文件放到assets文件夹下并替换原来的
在这里插入图片描述

（2）打开并编辑yolov5s.param文件
将Reshape 后面对应的0=6400、0=1600、0=400均修改为0=-1，如图
在这里插入图片描述

2.修改yolov5ncnn_jni.cpp文件
（1）将分类类别名与自己模型对应起来
在这里插入图片描述

（2）修改stride 16和32部分
将param文件中permute部分与stride部分中blob_name后面的数字对应起来, 也可以使用netron工具查看param中网络结构的permute的outputs
在这里插入图片描述

YOLOv5 自定义模型 Android 部署完整指南
FJN110的博客
06-21 204
本文详细介绍了将YOLOv5模型部署到Android设备的完整流程，包含三个核心部分：首先验证官方模型测试，确保基础环境配置正确；随后进行模型转换，从PyTorch导出ONNX格式并优化，再转换为NCNN格式；最后在Android项目中集成自定义模型，包括文件替换、参数修改和代码适配。教程基于YOLOv5 6.1版本，使用NCNN框架进行移动端推理，涵盖了常见问题解决方案和关键配置要点，为开发者提供了从训练到部署的完整技术路线。
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
YOLOV5模型部署到安卓端（复现）
skyacross的博客
12-29 4536
主要参考和进行部署复现，此处针对遇到的问题进行记录，分为部署思路和遇到的问题以及解决。
通过Android Studio 将yolov5部署到手机端(新手最新适用版)
热门推荐
qq_60943902的博客
08-23 1万+
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)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)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。这个是我安装后的路径，将这个路径复制。
在Android端部署yolov5（显示类别个数）
积极向上的mr.d的博客
03-27 9621
闲来无事，记录一下自己在安卓端部署yolov5的步骤，历时一天。
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
yolov8模型集成到android端demo
01-22
1. **模型转换**：由于YOLOv8模型通常是为GPU或高性能设备设计的，我们需要将其转换为适合Android设备的格式，例如TensorFlow Lite或MNN。这可以通过工具如TensorFlow的`tf.lite`转换器完成，它可以将模型转换为轻量...
最新【教程】YOLOv5模型转化-Android端部署_yolov5 android(1)
a19815156的博客
05-03 792
不知道你们用的什么环境，我一般都是用的Python3.6环境和pycharm解释器，没有软件，或者没有资料，没人解答问题，都可以免费领取（包括今天的代码），过几天我还会做个视频教程出来，有需要也可以领取~给大家准备的学习资料包括但不限于：Python 环境、pycharm编辑器/永久激活/翻译插件python 零基础视频教程Python 界面开发实战教程Python 爬虫实战教程Python 数据分析实战教程python 游戏开发实战教程Python 电子书100本。
2024年Python最新【教程】YOLOv5模型转化-Android端部署_yolov5 android
2301_82244514的博客
05-01 1108
那时我开始思考，官方明明白白地写了是PyTorch > ONNX > CoreML > TFLite，为什么最后没有.tflite模型文件呢，难不成上当了？其实没有，大佬已经写出了转化代码，其pull request👉，该仓库的代码根据YOLOv5的发展也在改进，唯一不同的是增加了tflite转化的代码这样就能得到fp16的.tflite模型，若需要Int8的，则用如下命令转化为int8的需要数据集来进行验证，所以需要添加自己数据集的路径，图像数量为你所用的用于验证的图像数。
YOLOv5 模型转换，从PyTorch到Onnx
06-21
5. **进一步转换**: 如果需要，可以将ONNX模型转换为其他格式，如CoreML（iOS）或TFLite（Android）。这通常涉及到特定平台的API，例如`coremltools`和`tflite_converter`。 在实践中，需要注意的是，不同框架之间...
Windows10 将自己的yolov5模型部署在Android手机端
a18766640432的博客
09-27 981
终端输入python train.py --img 640 --batch 5 --epochs 5 --data ./data/coco1128.yaml --cfg ./models/yolov5s.yaml --weights ./yolov5s.pt。终端输入python detect.py --weights runs\train\exp\weights\best.pt --source shiyan.mp4 --view-img。下载ncnn-android-yolov5-master。
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（源码+说明文档）.rar 2、适用人群：计算机，电子信息工程、数学等专业的大学生课程设计、期末大作业或毕业设计，作为“参考资料”使用。 3、更多仿真源码和数据集下载列表（自行寻找自己需要的）：https://blog.csdn.net/m0_62143653?type=download 4、免责声明：本资源作为“参考资料”而不是“定制需求”不一定能够满足所有人的需求，需要有一定的基础能够看懂代码，能够自行调试，能够自行添加功能修改代码。由于作者大厂工作较忙，不提供答疑服务，如不存在资源缺失问题概不负责，谢谢理解。
yolov5：使用NCNN将模型部署到Android端
最新发布
qq_41478219的博客
07-31 3203
解压后，打开文件夹，并将best.onnx复制到该文件夹的对应位置，地址栏输入cmd后，在打开的命令行窗口输入例如onnx2ncnn.exe best.onnx best.param best.bin回车即可，原文件夹生成了需要的bin文件和param文件。当我们训练好了自己的检测模型后，就需要一种中介，通过它在不同的框架之间进行转换，Open Neural Network Exchange 简称 ONNX，意思是开放神经网络交换格式，它就是我们需要的中介。这个百度上有很多对应的经验体，随便找一个。
安卓端使用ncnn部署yolov5（v6.0）
女神sha手的博客
12-26 5157
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。
【Android Studio】【NCNN】YOLOV5安卓部署
笔记
11-15 4738
利用ncnn将yolov5部署在安卓手机上
YOLOv5在Android端的部署：理论、环境配置和实战计算机视觉
JjtlReact的博客
09-22 673
在Android应用中，我们需要加载转换后的模型，并通过调用相应的方法进行推理。由于Android设备的计算能力有限，我们需要将YOLOv5的模型转换为适用于移动设备的格式。在本文中，我们将研究如何将YOLOv5模型部署在Android设备上，并通过提供的源代码进行实际演示。本文介绍了如何在Android设备上部署YOLOv5模型，包括理论知识、环境配置和实际应用案例。首先，确保你已经正确安装了Android开发环境，包括Android SDK、Android Studio和相关的依赖库。
训练自己的yolov5数据集并部署到android全套流程（学习记录）
qwerdf6660的博客
12-14 5547
在这个基础上修改，将best.pt转换为torchscript格式，即best.torchscript.ptl，替换了官方提供的yolov5s.pt并修改了classes中的类别，但是遇到了各种奇怪的错误，demoAPP会闪退，找了很多办法也没有解决，于是换了种思路，将best.pt转换为best-fp16.tflite格式，成功运行。也可以根据自己所需的版本来选择。在images中新建三个文件夹train，val，test，在labels中同样也新建三个文件夹train，val，test。
YOLOv5 的 Android 部署，基于 tflite
张伟的专栏
11-17 1155
可以看到，转换后的模型是 yolov5s-fp16.tflite，同时，在同层目录下，还有个文件夹 yolov5s_saved_model，里面包含了 .pb 文件，就是 protobuf 文件，这里有个细节，就是 .pt 文件是先被转换成 .pb，然后再转换成 .tflite 的。需要替换的是 yolov5_android_tflite/app/src/main/assets 文件夹下的2个文件，class.txt 和 yolov5s-fp16.tflite。YOLOv5模型训练。
【目标检测】YOLOv5在Android上的部署
兴趣使然的创作者
10-27 8563
本篇博文用来研究YOLOv5在Android上部署的例程
yolov5模型在安卓手机的部署与app源代码指南
1. 模型转换：将训练好的YOLOv5模型转换为NCNN格式，确保模型可以被Android端的应用程序正确加载。 2. Android开发环境配置：设置Android开发环境，编译和部署应用程序。 3. 模型集成：将转换后的模型集成到Android...
评论 3
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