Tensor on Android学习笔记(三) ----将Yolo移植到android平台

最新推荐文章于 2025-05-22 18:09:15 发布
原创 最新推荐文章于 2025-05-22 18:09:15 发布 · 3.4k 阅读 · 4 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#YOLO #目标检测 #深度学习 #Android #Android

本文记录了博主将YOLOv3目标检测模型移植到Android平台的过程，参考了@chentyjpm的DarknetDemoInAndroid项目。尽管遇到一些挑战，如编译后的性能及V3版本接口的适配问题，导致应用在显示识别结果时崩溃。目前的任务包括理解darknet源码运行流程和优化Android设备上的YOLO运行效率。

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

yolo v2移植到android已经有很多案例了

这里博主学习了@chentyjpm 的DarknetDemoInAndroid 

项目地址在https://github.com/chentyjpm/DarknetDemoInAndroid

不过原博主提供的apk是经过优化的，我自己编译的还达不到原博主的效果，还需要再改善


然后我们要做的就是将v3版本移植够来

通过对比darknet中提供的python脚本，我们发现作者改变了其中几个接口，并将boxes props等属性封装进了detection


所以修改代码中darknet.cpp

        //get_network_boxes(l, im.w, im.h, net->w, net->h, thresh, probs,
最低0.47元/天 解锁文章

200万优质内容无限畅学
【嵌入式AI】yolov3-tiny基于darknet2ncnn在安卓实现
AI知识搬运工
03-11 1429
yolov3-tiny基于darknet2ncnn在安卓实现 1、构建ncnn以及编译darknet2ncnn 参考：https://github.com/xiangweizeng/darknet2ncnn git clone https://gitee.com/damone/darknet2ncnn.git cd darknet2ncnn git submodule init git ...
YOLOv5 自定义模型 Android 部署完整指南
最新发布
FJN110的博客
06-21 242
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。
Tensor on Android学习笔记(二) ---将自己训练的YOLOv3模型导入TenserFlow
Jahonn的专栏
07-03 2996
v2版本的使用darkflow转换后移植就可以了https://github.com/thtrieu/darkflow但是我们是用Yolov3版本训练的模型，这个时候就遇到了问题，目前想曲线救国，但是最终没有成功思路是通过keras做中转，先转换为.h5的模型，在转为.pb先用keras-yolov3将.weights转为.h5 https://github.com/qqwweee/keras-y...
yolo v2的android移植
05-12
darknet yolo v2的android移植
yoloV3.apk（ YOLO V3目标识别的手机端安卓版本）
10-23
YOLO V3 目标识别模型在安卓移动端的实现，可以安装在安卓手机上，亲测可用
ncnn填坑记录八：将自己训练的模型打包为APK并部署到安卓端运行
下大禹了的博客
06-22 2901
上一篇：ncnn填坑记录七：examples/squeezenet.cpp代码阅读 做一个分类任务，模型选取的mobilenetv3，训练好模型，并按前文依次转换为onnx、ncnn后，参考官方https://github.com/nihui/ncnn-android-squeezenet进行修改。 一. 在PC端运行 ncnn/examples文件夹下：squeezenet.cpp -->mobilenetv3.cpp 修改如下： #include "net.h" #include <alg
YOLO学习笔记 ｜ YOLO11对象检测，实例分割，姿态评估的TensorRT部署c++
尘世冰封的专栏
05-22 297
该方案需要根据实际模型结构进行调整，特别是输出维度和后处理逻辑需要与具体模型版本严格匹配。建议使用TensorRT的polygraphy工具进行逐层验证，确保模型转换的正确性。
深度学习系列资料总结
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
07-17 2万+
说明本系列深度学习资料集合包含机器学习、深度学习等各系列教程，主要以计算机视觉资料为主，包括图像识别、分类、检测、分割等，内容参考Github及网络资源，仅供个人学习。深度学习定义一般是指通过训练多层网络结构对未知数据进行分类或回归深度学习分类有监督学习方法——深度前馈网络、卷积神经网络、循环神经网络等；无监督学习方法——深度信念网、深度玻尔兹曼机，深度自编码器等。手写机器学习笔记github机器学习算法公式推导以及numpy实现github人工智能相关术语link。..................
【YOLO】2018年YOLOv3论文笔记
weixin_42815846的博客
02-07 856
最近阅读YOLO的文章和代码，学到很多东西，在这里做成笔记，便于以后查阅
37、测试Yolox+TensorRT && Yolox+NCNN &&Yolox+Tengine
sxj731533730
07-19 3976
基本思想：之前很多项目都是基于TensorRT部署nano，今天顺手记录一下tengine部署nano吧~ 分了四步走：先进行mingw32的交叉编译，以运行在clion上，官方似乎没有提供window10+mingw32的教程，并进行验证 ：https://tengine-docs.readthedocs.io/zh_CN/latest/index.html 进行nano的tensorRT部署，...
YOLOv3训练自己的数据集实现目标检测
热门推荐
_Seven°的博客
10-29 3万+
YOLO的全称是You Only Look Once，是最早出现的单阶段目标检测方法，也是第一个实现了实时目标检测的方法。计算机视觉领域主要包括两大方面：图像分类、目标检测。图像分类是指根据图像的语义信息将不同类别的图像区分开来，比如人脸识别，即模型输入一张图片，判断该图片属于某个类别。 YOLO是一个国外开源的目标检测算法，目前流行的YOLO算法分为三个版本，即YOLOv1、YOLOv2、YOLOv3，YOLO的核心思想就是利用整张图作为网络的输入，直接在输出层回归bounding box(边界)的
tensorflow-yolov4-tflite：YOLOv4，YOLOv4-tiny，YOLOv3，YOLOv3-tiny在Tensorflow 2.0，Android中实现。 转换YOLO v4 .weights张量流，张量和tflite
01-31
tensorflow-yolov4-tflite YOLOv4，YOLOv4-tiny在Tensorflow 2.0中实现。 将YOLO v4，YOLOv3，YOLO tiny .weights转换为.pb，.tflite和trt格式以生成tensorflow，tensorflow lite和tensorRT。 下载yolov4.weights文件： ://drive.google.com/open id 1cewMfusmPjYWbrnuJRuKhPMwRe_b9PaT 先决条件 Tensorflow 2.3.0rc0 性能 演示版 # Convert darknet weights to tensorflow # # yolov4 python save_model.py --weights ./data/yolov4.weights --output ./checkpoints/yolov4-416 --input_size 416 --model yolov4 # # yolov4-tiny python save_model.py --weights ./data/
YOLOV2 目标检测，安卓版，亲测可用，安卓系统5.0及以上
04-15
YOLOV2 目标检测，安卓版，亲测可用，安卓系统5.0及以上
android移植经验分享
08-02
四部分内容：android简介；硬件平台简介。android移植流程；Q&A。
YOLOV3-on-Android:构建一个可直接在手机上部署YOLO V3源代码的Android应用-Android app source code
03-24
一。介绍 本项目将Yolo-v3的源代码在Android Studio进行开发编译和部署到Android手机上，实现利用手机硬件平台完成对Yolo-v3网络的调用。项目以Yolo-v3-tiny为示例进行开发，其他相关网络可以通过Darknet网站下载权重文件进行复现。 二。开发环境 操作系统：Ubuntu 16.04 Android Studio：3.1.3 手机：小米MI 8 相关教程： 请自行查阅指南完成Android Studio安装以及NDK，SDK等相关开发环境的配置。 三，项目建成 3.1原始代码导入 在Andorid Studio构建一个支持C语言的项目，然后从下载源代码。 在项目工程的cpp文件夹下新建的深色网络文件夹，将下载的源码中的示例，包括src三个文件夹复制到Android工程中。 3.2原始修改 3.2.1包括文件夹 包括文件夹下放置的是darknet的头
yolov3目标检测android,pythonTensorFlow实现yolov3训练自己的目标检测探测自定义数据集...
weixin_35135418的博客
05-28 750
1、数据集准备，使用label标注好自己的数据集。2、具体的大师代码见下链接3、我的代码训练步骤，这里我使用大神的浣熊数据集进行测试4、具体步骤1、 训练数据：python core/convert_tfrecord.py --dataset_txt .\raccoon_dataset\labels.txt --tfrecord_path_prefix .\raccoon_dataset\rac...
TensorFlow Lite（实战系列三）：YOLOV3嵌入Android版APP实现对象检测案例
变强啊！三少奶奶
09-27 5040
摘要 本次实战案例，少奶奶给大家带来了使用Tensorflow Lite方式把YOLOV3嵌入Android版APP中，该APP通过调用手机摄像头，实现实时检测并返回具体结果，从而实现自定义网络模型移植边缘设备的可能。通过阅读本篇博客，大家也可以获得以下提升： 1）自定义训练的网络模型都可以通过TensorFlow Lite移植到Android版的APP中，实现实时监测。 2）讲解Android项目中的核心源码，让大家理解TensorFlow Lite工作的整个流程，使得大家在开发不同APP时，从被动变成主
yolov3模型识别不出训练图片_YOLO_V3从训练到部署
weixin_36301296的博客
01-12 1412
darknet是一个C语言实现的深度学习框架，几乎不依赖任何库，安装编译都很方便，训练好的模型可以直接在opencv上部署，堪称业界良心。这篇博客主要包含目标检测数据标注和预处理、yolo_v3代码编译、模型训练、在opencv上部署，都是简要的笔记。〇、参考链接这些博客写的比较详细，博主也是参照这些博客一步步走下来的，在这些博客基础上总结扩充的：一、数据标注使用labelimg，有python版...
yolov3和yolov5 android端实时部署(ncnn)
ljx123_的博客
01-11 6181
1.ncnn编译 #安装环境： opencv:https://blog.youkuaiyun.com/xiao13mm/article/details/106165477 sudo apt-get install autoconf automake libtool curl make g++ unzip #安装protobuf sudo apt install protobuf-compiler libprotobuf-dev protobuf 版本问题 报错： undefined reference to `
Python-TensorLy：Tensor学习的快速简便Python库介绍
资源摘要信息:"Python-TensorLy是一个开源的Python库，专门用于处理张量...通过与其他机器学习库的整合，TensorLy能够帮助开发者构建复杂的数据处理流程，实现从数据预处理到模型训练和评估的完整机器学习工作流程。
评论 2
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