ncnn-android-yolov7

这是一个示例 ncnn android 项目，它依赖于 ncnn 库和 opencv

如何构建和运行

步骤1

https://github.com/Tencent/ncnn/releases

下载 ncnn-YYYYMMDD-android-vulkan.zip或自己构建 ncnn for android

将 ncnn-YYYYMMDD-android-vulkan.zip 提取到 app/src/main/jni 中，并在 app/src/main/jni/CMakeList 中将ncnn_DIR路径更改为您的路径.txt

步骤2

https://github.com/nihui/opencv-mobile

下载opencv-mobile-XYZ-android.zip

将opencv-mobile-XYZ-android.zip提取到app/src/main/jni中，并在app/src/main/jni/CMakeLists中将OpenCV_DIR路径更改为您的路径.txt

步骤3

使用Android Studio打开这个项目，构建它并享受！

一些注意事项

安卓 ndk 相机用于最佳效率
由于缺少HAL3相机接口，崩溃可能发生在非常旧的设备上
所有模型均手动修改以接受动态输入形状
大多数小型模型在 GPU 上的运行速度比在 CPU 上的运行速度慢，这很常见
由于相机曝光时间较长，在黑暗环境中的FPS可能较低

跑自己的模型

流程：pt->onnx->ncnn。

1、yolov7（pt->onnx）

下载代码和权重，这里用的是tiny。

代码用main分支的，权重手动下载release里的。

运行

复制代码

python export.py yolov7-tiny.pt --simplify

运行时要加simplify，不然onnx转ncnn会有不支持的算子。

2、ncnn（onnx->ncnn）

使用下面这个网站转换，要把三个勾都选上。

https://convertmodel.com

3、修改权重输入输出

进入Netron，上传自己的param文件查看权重输入输出（1个输入、3个输出），并更改代码后即可直接编译；

获取晚后在ncnn-android-yolov7/app/src/main/jni/yolo.cpp的Yolo::detect方法修改着几个地方：

复制代码

in0->images
out0->265
out1->279
out2->293

4、修改标注类别名称

不出意外，到这里重新编译一下就可以

由于部分设备不支持camera2，新增JNI方法，传图片进行识别

具体调用看MainActivity处理

THE END

感谢查阅

玉念聿辉：编辑

ncnn-android-yolov7跑自己模型的注意事项