用安卓手机解锁目标检测模型YOLOv5,分辨速度不过几十毫秒
发布时间:2021-12-25 12:30:38 所属栏目:大数据 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,最大的
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 (内存 128GB/ RAM 8GB) 操作系统 MUI 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 用安卓手机解锁目标检测模型YOLOv5,识别速度不过几十毫秒 使用Docke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: 用安卓手机解锁目标检测模型YOLOv5,识别速度不过几十毫秒 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:烟台站长网) 【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! |
站长推荐