用小米11等安卓手机解锁目标检测模型 YOLOv5，分辨速度不过几十
发布时间：2021-12-10 13:21:02 所属栏目：安卓资讯 来源：互联网
导读：现在，目标检测界明星模型 YOLO，最新 v5 版本也可以在手机上玩儿了！瞧～只需要区区几十毫秒，桌上的东西就全被检测出来了： 这速度似乎不比电脑差？想要亲手搭建一个？上教程。 在安卓手机上部署 YOLOv5 更确切的说是 YOLOv5s。YOLOv5 于 2020 年 5 月发布
|
现在，目标检测界明星模型 YOLO，最新 v5 版本也可以在手机上玩儿了！瞧～只需要区区几十毫秒，桌上的东西就全被检测出来了： 这速度似乎不比电脑差？想要亲手搭建一个？上教程。 在安卓手机上部署 YOLOv5 更确切的说是 YOLOv5s。YOLOv5 于 2020 年 5 月发布，最大的特点就是模型小，速度快，所以能很好的应用在移动端。 而且其实最开始 YOLOv5 就是作为一款对图像进行检测、分类和定位的 iOS 端 App 进入人们的视野，而且 App 还是由 YOLOv5 的作者亲自开发。 现在，想要在安卓设备上部署它，你需配备的环境如下： 主机 Ubuntu18.04 Docker • Tensorflow 2.4.0 • PyTorch 1.7.0 • OpenVino 2021.3 安卓 App • Android Studio 4.2.1 • minSdkVersion 28 • targetSdkVersion 29 • TfLite 2.4.0 安卓设备 ・ 小米 11 (存储 128GB/ 内存 8GB) ・ 操作系统 MIUI 12.5.8 然后直接下载作者在 GitHub 上的项目。 git clone —recursive https://github.com/lp6m/yolov5s_android 使用 Docker 容器进行主机评估（host evaluation）和模型转换。 cd yolov5s_android docker build ./ -f ./docker/Dockerfile -t yolov5s_android docker run -it —gpus all -v pwd:/workspace yolov5s_anrdoid bash 将 App 文件夹下的./tfliteu model/*.tflite 复制到 App / tfliteu yolov5u test / App / src / main / assets / 目录下，就可在 Android Studio 上构建应用程序。 构建好的程序可以设置输入图像大小、推断精度和模型精度。 如果选择其中的“Open Directory”，检测结果会被保存为 coco 格式的 json 文件。从摄像头进行实时检测模式已将精度和输入图像大小固定为 int8/320，该模式在小米 11 达到的图像帧数为 15FPS。 由于本项目是作者参加的一个”Yolov5s Export”竞赛（并且最终得了奖，奖金还是 2000 美元），所以他也进行了性能评估。 评估包括延时和准确度。 延迟时间 在小米 11 上测得，不包含预处理 / 后处理和数据传输的耗时。 结果如下： 不管模型精度是 float32 还是 int8，时间都能控制在 250ms 以内，连半秒的时间都不到。 大家可以和 YOLOv5 在电脑上的性能对比： 准确度 各种模式下的 mAP (mean Average Precision) 值最高为 28.5，最低也有 25.5。 （编辑：52刷机网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |