用安卓手機解鎖目標檢測模型YOLOv5，識別速度不過幾十毫秒
可下載試玩
現(xiàn)在，目標檢測界明星模型YOLO，最新v5版本也可以在手機上玩兒了！
瞧～只需要區(qū)區(qū)幾十毫秒，桌上的東西就全被檢測出來了：
這速度似乎不比電腦差？
想要親手搭建一個？上教程。
在安卓手機上部署YOLOv5
更確切的說是YOLOv5s。
YOLOv5于2020年5月發(fā)布，最大的特點就是模型小，速度快，所以能很好的應用在移動端。
而且其實最開始YOLOv5就是作為一款對圖像進行檢測、分類和定位的iOS端APP進入人們的視野，而且APP還是由YOLOv5的作者親自開發(fā)。
現(xiàn)在，想要在安卓設備上部署它，你需配備的環(huán)境如下：
- 主機 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
- 安卓設備
小米11 (內(nèi)存 128GB/ RAM 8GB)
操作系統(tǒng) MUI 12.5.8
然后直接下載作者在GitHub上的項目。
git clone —recursive https://github.com/lp6m/yolov5s_android
使用Docke容器進行主機評估（host evaluation）和模型轉(zhuǎn)換。
cd yolov5s_android docker build ./ -f ./docker/Dockerfile -t yolov5s_android docker run -it —gpus all -v?pwd:/workspace yolov5s_anrdoid bash
將app文件夾下的./tflite\u model/*.tflite復制到app/tflite\u yolov5\u test/app/src/main/assets/目錄下，就可在Android Studio上構建應用程序。
構建好的程序可以設置輸入圖像大小、推斷精度和模型精度。
如果選擇其中的“Open Directory”，檢測結果會被保存為coco格式的json文件。
從攝像頭進行實時檢測模式已將精度和輸入圖像大小固定為int8/320，該模式在小米11達到的圖像幀數(shù)為15FPS。
由于本項目是作者參加的一個”Yolov5s Export”競賽（并且最終得了獎，獎金還是2000美元），所以他也進行了性能評估。
評估包括延時和準確度。
- 延遲時間
在小米11上測得，不包含預處理/后處理和數(shù)據(jù)傳輸?shù)暮臅r。
結果如下：
不管模型精度是float32還是int8，時間都能控制在250ms以內(nèi)，連半秒的時間都不到。
△ float32
△ int8
大家可以和YOLOv5在電腦上的性能對比：
- 準確度
各種模式下的mAP(mean Average Precision)值最高為28.5，最低也有25.5。
最后，詳細教程可戳下方鏈接；如果你只想試玩，作者也在上面提供了安卓安裝包～
項目地址：
https://github.com/lp6m/yolov5s_android
- 北大開源最強aiXcoder-7B代碼大模型！聚焦真實開發(fā)場景，專為企業(yè)私有部署設計2024-04-09
- 剛剛，圖靈獎揭曉！史上首位數(shù)學和計算機最高獎“雙料王”出現(xiàn)了2024-04-10
- 8.3K Stars!《多模態(tài)大語言模型綜述》重大升級2024-04-10
- 谷歌最強大模型免費開放了！長音頻理解功能獨一份，100萬上下文敞開用2024-04-10
相關閱讀
復旦教授發(fā)現(xiàn)400+安卓漏洞，最嚴重可使手機變磚，谷鴿16個月后才修復
教授發(fā)博吐槽：Delay無數(shù)，“跨年”漏洞
