ncnn上部署yolov5

最新推荐文章于 2025-08-25 23:06:03 发布

原创

最新推荐文章于 2025-08-25 23:06:03 发布 · 2.2k 阅读

13 ·

CC 4.0 BY-SA版权

本文介绍如何将YOLOv5模型从PyTorch框架迁移到NCNN，包括准备环境、转换模型格式、编译NCNN、调整网络配置等关键步骤。

1、准备工作

U神的yolov5源码，下载地址
自己的模型或者yolov5官网发布模型
linux系统（本在ubuntu18的docker环境下部署）
ncnn源码，下载地址
opencv
protobuf
opencv和protobuf必须安装否则在编译ncnn的时候，由于检测不到protobuf和opencv，onnx2ncnn工具不会被编译。

2、.pt文件转.onnx文件

将yolov5从torch框架转到ncnn上前需要用onnx工具先将.pt模型文件转化为.onnx文件，这里主要有两个中的步骤

1、python models/export.py --weights yolov5s.pt --img 640 --batch 1    #将.pt文件用onnx转化为.onnx文件
2、python -m onnxsim yolov5s.onnx yolov5s-sim.onnx   #onnxsim 精简模型

3、编译ncnn

1)、安装opencv

sudo apt install libopencv-dev

2)、编译protobuf-2.6.1

下载

wget https://github.com/google/protobuf/releases/download/v2.6.1/protobuf-2.6.1.tar.gz

解压后编译

cd

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

LiBin1103

关注关注

2
点赞
踩
13

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

基于NCNN PNNX部署YOLOv7（源码+说明文档）.rar

04-15

1、资源内容：基于NCNN PNNX部署YOLOv7（源码+说明文档）.rar 2、适用人群：计算机，电子信息工程、数学等专业的学习者，作为“参考资料”参考学习使用。 3、解压说明：本资源需要电脑端使用WinRAR、7zip等解压工具...

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（完整源码+说明文档+数据）.rar 2、代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 3、适用对象：计算机，电子信息工程、数学等专业的大学生课程...

参与评论您还未登录，请先登录后发表或查看评论

【嵌入式】树莓派部署NCNN的YOLOv5模型

Ace_Spade的博客

11-07

3260

树莓派部署NCNN框架的YOLOv5模型

YOLOv5的ncnn推理部署

qq_41920323的博客

03-26

484

yolov5的ncnn部署

在SS928中部署Yolov5模型（超详细）

热门推荐

excelNo1的博客

08-02

1万+

yolov5 模型部署NCNN 一、编译ncnn 1、在github官网输入 ncnn ,找到Tencen\ncnn 下载ncnn 2.打开vs2017 工具 x64 Native Tools Command Prompt for VS 2017 3.下载protobuf-3.4.0到本地 4.编译protobuf的动态库，输入以下命令： cd <protobuf-root-dir> mkdir build cd build cmake -G"NMake Makefiles" -DCMAKE

YOLOv8-使用NCNN在安卓平台上部署YOLOv8实现实时目标检测-优质项目-项目实战.zip

10-21

在模型训练完成后，为了能够在安卓平台上部署YOLOv8模型，需要进行模型转换。NCNN框架支持从各种深度学习框架中导入模型，如PyTorch、TensorFlow等。项目中需要将训练好的YOLOv8模型转换为NCNN框架能够识别的格式，...

【毕业设计】使用NCNN在安卓平台上部署YOLOv8实现实时目标检测分割旋转框源码.zip

05-16

在Android平台上部署YOLOv8，需要解决几个关键问题： 1. **模型优化**：NCNN提供了模型量化和剪枝等功能，可以将YOLOv8模型转换为适合移动端的轻量级版本，减少内存占用和计算资源。 2. **JNI接口**：为了在...

YOLOv5project中的ncnn资源

01-15

YOLOv5project中的cpp文件夹下的ncnn资源

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

学习笔记—使用NCNN将yolov5部署到android

weixin_45178274的博客

03-17

1804

打开这个yolov5s.param文件，找到permute节点，这个permute节点一共有3个，分别是128,256,512尺寸的，我们需要的是256和512的输出维度，我们需要的是256和512的输出维度，将对应节点的输出名更改，如下图。出现这个问题的原因是，使用的新版本的ndk中不包含这个文件，需要将老版本，例如R21版本toolchains文件夹中对应文件拷贝到当前应用的ndk版本对应文件夹中，或者在local.properties文件中指定ndk路径。重新同步，成功后，将app安装到手机上。

【亲测免费】 YOLOv5 在 NCNN 上的部署教程

gitblog_00699的博客

08-12

595

**YOLOv5_NCNN** 是一个基于腾讯的 [ncnn](https://github.com/Tencent/ncnn) 库实现的 YOLOv5 目标检测模型在 Android 平台上的部署示例。该项目旨在简化 YOLOv5 模型在移动端的集成过程，提供了一个可运行的 Android 示例应用程序，展示了如何高效地在设备上进行实时的目标检测。 ## 2. 项目快速启动 ### 环境准备...

安卓端使用ncnn部署yolov5（v6.0）

女神sha手的博客

12-26

5290

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。

YOLOv5利用ncnn部署系列(一)

qq_33160678的博客

09-24

4841

一、YOLOv5的训练 yolov5的原理什么的就不说了，百度搜一搜很多，这里具体说一下怎么训练自己的数据集，官方的yolov5是在coco数据集上训练的，本文是在voc数据集上进行训练，对于自己的训练数据可以仿照voc数据集进行制作！ YOLOv5的git项目：参考github项目YOLOv5，若需要官方的预训练权重，该项目的大佬也给出了，感谢大佬做出的工作！将项目git到本地！ 1.创建数据集文件夹数据存放的目录如下：在datasets文件夹下建立如下文件目录，其中训练需要用到的是score/imag

ncnn模型部署——训练自己YOLOv5模型转ncnn模型并部署到Android手机端

qq_40280673的博客

04-16

5045

部署官网YOLv5模型和训练自己YOLOv5模型转ncnn模型并部署到Android手机端的详细实现过程

使用NCNN在华为M5部署Yolov5

豫州刺史

12-09

1063

文件默认的gradle是5.4.0版本，安装java12版本就好了，我图中之所以注释掉，是因为，我安装AS之前安装的是最新的JDK版本，结果出现不兼容问题，当时要不省级gradle版本，要不降低JDK版本，我选择了前者所以是7.5.0，所以大家可以在是先对应gradle版本安装JDK，后期会省去很多麻烦。这中间有个注意是想，我们在安装的时候jdk的时候，千万不要安装最新版本的，由于这个项目是三年前的，如果按照最新的jdk一定会和工程各种的不兼容。至于到底该按照哪个版本的jdk，可以参考下图，

ncnn部署yolov5

04-29

要在ncnn上部署yolov5，需要进行以下步骤： 1. 下载ncnn的源代码，并编译安装。 2. 下载yolov5的代码和预训练模型。 3. 将yolov5的模型转换成ncnn的模型格式。可以使用ncnn自带的工具ncnn转换器，或者使用yolov5官方提供的转换工具。 4. 编写C++代码，加载ncnn模型，读取图像并进行目标检测，最后输出检测结果。下面是一个简单的C++代码示例： ```c++ #include <iostream> #include <net.h> #include <opencv2/opencv.hpp> using namespace std; using namespace ncnn; int main() { // 加载ncnn模型 Net yolov5; yolov5.load_param("yolov5.param"); yolov5.load_model("yolov5.bin"); // 读取图像 cv::Mat image = cv::imread("test.jpg"); // 图像预处理 const int target_size = 640; const float mean_vals[3] = {0.0f, 0.0f, 0.0f}; const float norm_vals[3] = {1/255.f, 1/255.f, 1/255.f}; ncnn::Mat in = ncnn::Mat::from_pixels_resize(image.data, ncnn::Mat::PIXEL_BGR2RGB, image.cols, image.rows, target_size, target_size); in.substract_mean_normalize(mean_vals, norm_vals); // 执行目标检测 Mat out; yolov5.forward(in, out); // 解析检测结果 const float* detection = out.row(0); for (int i = 0; i < out.h; i++) { float label = detection[0]; float score = detection[1]; float x1 = detection[2]; float y1 = detection[3]; float x2 = detection[4]; float y2 = detection[5]; if (score > 0.5) { cout << "label: " << label << ", score: " << score << ", box: (" << x1 << ", " << y1 << ", " << x2 << ", " << y2 << ")" << endl; } detection += 6; } return 0; } ``` 请注意，这只是一个简单的示例代码，具体的实现可能需要根据具体情况进行修改和优化。