极市导读
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! >>加入极市CV技术交流群,走在计算机视觉的最前沿
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。
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
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./tflite\u model/*.tflite复制到app/tflite\u yolov5\u 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。
△ float32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。
最后,详细教程可戳下方链接;如果你只想试玩,作者也在上面提供了安卓安装包~
项目地址:
https://github.com/lp6m/yolov5s_android
如果觉得有用,就请分享到朋友圈吧!
公众号后台回复“transformer”获取最新Transformer综述论文下载~
# CV技术社群邀请函 #
备注:姓名-学校/公司-研究方向-城市(如:小极-北大-目标检测-深圳)
即可申请加入极市目标检测/图像分割/工业检测/人脸/医学影像/3D/SLAM/自动驾驶/超分辨率/姿态估计/ReID/GAN/图像增强/OCR/视频理解等技术交流群
每月大咖直播分享、真实项目需求对接、求职内推、算法竞赛、干货资讯汇总、与 10000+来自港科大、北大、清华、中科院、CMU、腾讯、百度等名校名企视觉开发者互动交流~