模型部署：（二）安卓端部署Yolov5-v6.0目标检测项目全流程记录

1、下载NCNN项目

# 链接地址
https://github.com/Tencent/ncnn/releases?page=2

android ios macos linux windows webassembly 预编译库 20220420 7600270

2、下载基于安卓的yolov5项目

https://github.com/nihui/ncnn-android-yolov5

将目录ncnn-20220420-android-vulkan下的所有的文件

复制到目录ncnn-android-yolov5-master下的ncnn-android-yolov5-master\app\src\main\jni路径下

报错1：

Android Studio处理异常报错：Cause connect timed out

解决方案则是：
在gradle-wrapper.properties中更改distributionUrl地址如下：

distributionUrl=https://mirrors.cloud.tencent.com/gradle/gradle-5.4.1-all.zip

报错2：

NDK not configured. Download it with SDK manager.

3、修改相应的配置文件

进入到如下目录中

将CMakeLists.txt文件中的相关路径修改成如上所示（由于已经实现将相关的文件复制到到了对应的目录内）

经过上述操作后，点击如下，进行项目重构

修改镜像源：

将build.gradle文件修改成如下内容：

// Top-level build file where you can add configuration options common to all sub-projects/modules.
buildscript {
    repositories {
        // 阿里云镜像
        maven { url 'https://maven.aliyun.com/repository/google' }
        maven { url 'https://maven.aliyun.com/repository/gradle-plugin' }
        maven { url 'https://maven.aliyun.com/repository/public' }
        maven { url 'https://maven.aliyun.com/repository/central' }

        // 清华镜像（备用）
        maven { url 'https://mirrors.tuna.tsinghua.edu.cn/maven/google' }
        maven { url 'https://mirrors.tuna.tsinghua.edu.cn/maven/central' }

        mavenCentral()
    }
    dependencies {
        classpath 'com.android.tools.build:gradle:4.2.2'
    }
}

allprojects {
    repositories {
        // 阿里云镜像
        maven { url 'https://maven.aliyun.com/repository/google' }
        maven { url 'https://maven.aliyun.com/repository/public' }
        maven { url 'https://maven.aliyun.com/repository/central' }

        // 清华镜像（备用）
        maven { url 'https://mirrors.tuna.tsinghua.edu.cn/maven/google' }
        maven { url 'https://mirrors.tuna.tsinghua.edu.cn/maven/central' }

        mavenCentral()
    }
}

4、将项目打包成apk包

按照链接https://guoqingru.blog.csdn.net/article/details/151359111的流程打包成apk并安装，检测效果如下图所示

5、部署自己训练的yolov5模型

我是采用的yolov5-6.0版本，我使用pytorch1.8版本，刚开始采用的pytorch版本是1.13，结果由于版本太高出现异常报错问题

首先需要将训练的.pt文件转换成.onnx格式

采用如下指令：

python export.py --weights yolov5s.pt --include onnx   

onnx去冗余

.pt模型导出的.onnx模型包含许多冗余的维度，这是ncnn不支持的，所以需要去掉冗余的维度。一定要去冗余！！！！要不后面转换容易报错

前置：onnx(pytorch自带了，不用单独安装)、onnx-simplifier （需要安装）

安装onnx-simplifier的指令：

pip install onnx-simplifier

去冗余指令：

python -m onnxsim yolov5s.onnx  yolov5s-sim.onnx

如下所示，转换完毕：

再将得到的.onnx文件转换成.ncnn格式文件：

转换工具下载地址：

https://download.csdn.net/download/guoqingru0311/91903993

将转换后的瘦身后的模型下载到Windows系统本地，采用如下所示的转换工具将yolov5s-sim.onnx文件转换成.ncnn格式的文件（注意：必须要将.onnx文件进行瘦身去除掉冗余，否则接下来的ncnn文件转换会报错）

转换后的生成文件如下所示：

参数配置修改：
将转换得到的yolov5s.bin与yolov5s.param文件拷贝至项目F:\ncnn-android-yolov5-master\app\src\main\assets目录下进行如下修改：

原始文件：

修改后：

注意：必须将下图中的红色标注区域改成对应的375与400

修改对应的检测物体类别标签：

修改完上述文件中红、绿标注的位置后，重构项目，安装程序！！！

6、相关资料下载：

安卓端部署Yolov5-v6.0目标检测项目全流程记录-相关代码资料

https://download.csdn.net/download/guoqingru0311/91906099

安卓端部署Yolov5-v6.0目标检测项目全流程记录-讲解资料

https://download.csdn.net/download/guoqingru0311/91906112