按键精灵手机安卓脚本Yolo.SetModel 带你解锁高效开发新姿势!

部署运行你感兴趣的模型镜像

在安卓自动化开发领域,AI 视觉识别早已成为核心刚需 —— 无论是游戏辅助的精准定位、办公自动化的图像解析,还是工业场景的智能检测,都离不开稳定高效的模型支持。但传统模型配置流程复杂、兼容性差、调试成本高,让无数开发者望而却步。现在,安卓端辅助工具按键精灵重磅推出 Yolo.SetModel 模型设置功能,一键解决你的所有痛点,让 Yolo 模型部署像 “搭积木” 一样简单!

函数功能

设置Yolo模型

支持版本:按键精灵安卓版APP  v4.2.0或以上版本

函数语法

result = Yolo.SetModel(index,targetSize,paramPath,binPath,labelPath[,creatThreadsNum,runThreadsNum,options])

函数参数

参数名参数类型是否必选参数说明
indexint模型索引,支持设置多个模型,不运行不占用资源,停止脚本时自动销毁,建议取值范围:0-9
targetSizeint模型精度,需与训练模型时精度一致,建议:640
paramPathstringparam文件路径
binPathstringbin文件路径
labelPathstringlabel标签文件路径
creatThreadsNumint每个模型可以并行的线程数量,默认:1
runThreadsNumint每个模型运行识别可以并行的线程数量,默认:1
optionstable扩展参数集合,用于额外配置和未来扩展

options包含的字段

字段名字段类型字段说明
modelTypeint模型类型,默认1,支持yolov8、11
1:ncnn简化版,适用将.pt直转.ncnn的模型
2:ncnn标准版,适用将.pt按照ncnn官方教程修改参数后再转.ncnn的模型
如遇报错模型类型错误,请尝试切换以上模型类型参数
..pt转.ncnn教程

函数返回

返回名返回类型返回说明
resulttable返回响应结果信息的键值表

result 包含的字段

字段名字段类型字段说明
codeint执行函数的结果状态码,0为执行成功,非0为失败,失败原因查看msg字段
msgstring执行结果的描述,失败则描述具体的失败原因

代码范例

Dim paramPath,binPath,lablePath,ranTime,ret,modelPath = GetTempDir() & "yolov8/"
Dir.Create modelPath
//将配置文件通过附件释放或url下载放置到模型目录皆可
PutAttachment modelPath, "*"
paramPath = modelPath & "model.ncnn.param"
binPath = modelPath & "model.ncnn.bin"
lablePath = modelPath & "classes.txt"
//检查3个配置文件是否存在,1:存在,0:不存在
TracePrint dir.Exist(paramPath),dir.Exist(binPath),dir.Exist(lablePath)
//设置模型1,ncnn简化版模型
ret = yolo.setModel(1, 640, paramPath, binPath, lablePath)
//设置模型2,ncnn标准版模型
//ret = yolo.setModel(2, 640, paramPath, binPath, lablePath,1,1,{"modelType":2})
If ret["code"] = 0 Then 
    TracePrint "set model successed"
Else 
    TracePrint "set model failed,error msg:"&ret["msg"]
    ExitScript
End If

Do
    ranTime = TickCount()
    //通过已设置模型1识别返回目标
    ret = Yolo.runModel(1,0.75)
    TracePrint TickCount()-ranTime
    If ret["code"] = 0 Then 
        For i = 1 to len(ret["data"])
            TracePrint "识别到目标:" & ret["data"][i]["text"] &_
            ",左上角x坐标:" & ret["data"][i]["x"] &_
            ",左上角y坐标:" & ret["data"][i]["y"] &_
            ",区域宽:" & ret["data"][i]["w"] &_
            ",区域高:" & ret["data"][i]["h"] &_
            ",可信度:" & ret["data"][i]["score"]
        Next    
    Else
        TracePrint "error code:"& ret["code"] &",error msg:"&ret["msg"]
    End If
    Delay 2000
Loop

您可能感兴趣的与本文相关的镜像

Yolo-v5

Yolo-v5

Yolo

YOLO(You Only Look Once)是一种流行的物体检测和图像分割模型,由华盛顿大学的Joseph Redmon 和Ali Farhadi 开发。 YOLO 于2015 年推出,因其高速和高精度而广受欢迎

评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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