零基础导入自己YOLOv3或YOLOv3-Tiny模型
2024-05-25 09:26:11
前言：通过 零基础入门darknet-YOLO3及YOLOv3-Tiny 文档操作，我们已经有了自己训练的YOLO3或YOLOv3-Tiny模型，接下来一步步演示如何转换自己的模型，并适配进我们khadas VIM3 开发板 android平台的khadas_android_npu_app。关于VIM3 ubuntu平台请参考此文档 1。
一，转换模型
模型转换流程图：
image1942×605 164 KB
1，导入模型
当前模型转换过程都是在 acuity-toolkit 目录下进行:
cd {workspace}/aml_npu_sdk/acuity-toolkit
cp {workspace}/yolov3-khadas_ai.cfg_train demo/model/
cp {workspace}/yolov3-khadas_ai_last.weights demo/model/
cp {workspace}/test.jpg demo/model/
如下修改：
hlm@Server:/users/hlm/npu/aml_npu_sdk/acuity-toolkit/demo$ git diff
diff --git a/acuity-toolkit/demo/0_import_model.sh b/acuity-toolkit/demo/0_import_model.sh
index 3198810..4671c9f 100755
--- a/acuity-toolkit/demo/0_import_model.sh
+++ b/acuity-toolkit/demo/0_import_model.sh
@@ -1,6 +1,6 @@#!/bin/bash-NAME=mobilenet_tf
+NAME=yolov3ACUITY_PATH=../bin/convert_caffe=${ACUITY_PATH}convertcaffe
@@ -11,13 +11,13 @@ convert_onnx=${ACUITY_PATH}convertonnxconvert_keras=${ACUITY_PATH}convertkerasconvert_pytorch=${ACUITY_PATH}convertpytorch-$convert_tf \
- --tf-pb ./model/mobilenet_v1.pb \
- --inputs input \
- --input-size-list '224,224,3' \
- --outputs MobilenetV1/Predictions/Softmax \
- --net-output ${NAME}.json \
- --data-output ${NAME}.data
+#$convert_tf \
+# --tf-pb ./model/mobilenet_v1.pb \
+# --inputs input \
+# --input-size-list '224,224,3' \
+# --outputs MobilenetV1/Predictions/Softmax \
+# --net-output ${NAME}.json \
+# --data-output ${NAME}.data #$convert_caffe \# --caffe-model xx.prototxt \
@@ -30,11 +30,11 @@ $convert_tf \# --net-output ${NAME}.json \# --data-output ${NAME}.data -#$convert_darknet \
-# --net-input xxx.cfg \
-# --weight-input xxx.weights \
-# --net-output ${NAME}.json \
-# --data-output ${NAME}.data
+$convert_darknet \
+ --net-input ./model/yolov3-khadas_ai.cfg_train \
+ --weight-input ./model/yolov3-khadas_ai_last.weights \
+ --net-output ${NAME}.json \
+ --data-output ${NAME}.data --- a/acuity-toolkit/demo/data/validation_tf.txt
+++ b/acuity-toolkit/demo/data/validation_tf.txt
@@ -1 +1 @@
-./space_shuttle_224.jpg, 813
+./test.jpg
执行对应脚本：
bash 0_import_model.sh
image1616×198 13.1 KB
2，对模型进行量化
hlm@Server:/users/hlm/npu/aml_npu_sdk/acuity-toolkit/demo$ git diff
diff --git a/acuity-toolkit/demo/1_quantize_model.sh b/acuity-toolkit/demo/1_quantize_model.sh
index 630ea7f..ee7bd00 100755
--- a/acuity-toolkit/demo/1_quantize_model.sh
+++ b/acuity-toolkit/demo/1_quantize_model.sh
@@ -1,6 +1,6 @@#!/bin/bash-NAME=mobilenet_tf
+NAME=yolov3ACUITY_PATH=../bin/tensorzone=${ACUITY_PATH}tensorzonex
@@ -11,12 +11,12 @@ $tensorzone \--dtype float32 \--source text \--source-file data/validation_tf.txt \
- --channel-mean-value '128 128 128 128' \
- --reorder-channel '0 1 2' \
+ --channel-mean-value '0 0 0 256' \
+ --reorder-channel '2 1 0' \--model-input ${NAME}.json \--model-data ${NAME}.data \--model-quantize ${NAME}.quantize \
- --quantized-dtype asymmetric_affine-u8 \
+ --quantized-dtype dynamic_fixed_point-i8 \
注意，这里 --quantized-dtype 跟ubuntu平台不一样。执行对应脚本：
bash 1_quantize_model.sh
image1131×240 11.6 KB
3，生成 case 代码
hlm@Server:/users/hlm/npu/aml_npu_sdk/acuity-toolkit/demo$ git diff
diff --git a/acuity-toolkit/demo/2_export_case_code.sh b/acuity-toolkit/demo/2_export_case_code.sh
index 85b101b..867c5b9 100755
--- a/acuity-toolkit/demo/2_export_case_code.sh
+++ b/acuity-toolkit/demo/2_export_case_code.sh
@@ -1,6 +1,6 @@#!/bin/bash-NAME=mobilenet_tf
+NAME=yolov3ACUITY_PATH=../bin/export_ovxlib=${ACUITY_PATH}ovxgenerator
@@ -8,8 +8,8 @@ export_ovxlib=${ACUITY_PATH}ovxgenerator$export_ovxlib \--model-input ${NAME}.json \--data-input ${NAME}.data \
- --reorder-channel '0 1 2' \
- --channel-mean-value '128 128 128 128' \
+ --reorder-channel '2 1 0' \
+ --channel-mean-value '0 0 0 256' \
执行对应脚本：
bash 2_export_case_code.sh
image1279×1231 83.8 KB
当然只要运行脚本没报错，后续你可以按照上面修改完成后，一次性执行脚本：
bash 0_import_model.sh && bash 1_quantize_model.sh && bash 2_export_case_code.sh
最终会产生一个nbg_unify_yolov3目录：
image1436×640 30.8 KB
image1550×517 36.8 KB
二，导入到VIM3 android平台的demo app运行
1， 安装ndk 编译环境
wget https://dl.google.com/android/repository/android-ndk-r17-linux-x86_64.zip
unzip android-ndk-r17-linux-x86_64.zip
vim ~/.bashrc
##添加下面两行代码到文件末尾
##export NDKROOT=/path/to/android-ndk-r17
##export PATH=$NDKROOT:$PATH
如图所示：
image1131×312 23.6 KB
然后在你要使用的ssh上执行此命令：
source ~/.bashrc
2， 编译相关so库
(1) 下载khadas_android_npu_library
git clone https://github.com/khadas/khadas_android_npu_library -b khadas_ai
(2) 替换nbg_unify_yolov3目录 vnn_pre_process.h，vnn_post_process.h，vnn_yolov3.h，vnn_yolov3.c文件到如下对应目录。
cp {workspace}/nbg_unify_yolov3/vnn_pre_process.h {workspace}/khadas_android_npu_library/model_code/detect_yolo_v3/jni/include/
cp {workspace}/nbg_unify_yolov3/vnn_post_process.h {workspace}/khadas_android_npu_library/model_code/detect_yolo_v3/jni/include/
cp {workspace}/nbg_unify_yolov3/vnn_yolov3.h {workspace}/khadas_android_npu_library/model_code/detect_yolo_v3/jni/include/
cp {workspace}/nbg_unify_yolov3/vnn_yolov3.c {workspace}/khadas_android_npu_library/model_code/detect_yolo_v3/jni/
(3) 修改yolov3_process.c
我们demo是两个类（KuLi, DuLanTe）, 修改class数组并修改num_class及LISTSIZE
static char *coco_names[] = {"KuLi","DuLanTe"};
image1163×716 29.4 KB
其中LISTSIZE = (num_class + 5 ) = 2+5 = 7
(4) 编译出libnn_yolo_v3.so
cd {workspace}/khadas_android_npu_library/model_code/detect_yolo_v3
ndk-build
image1830×459 40.8 KB
3， 导入相关库到demo app运行
(1) 下载demo app
git clone https://github.com/khadas/khadas_android_npu_app -b khadas_ai
(2) 替换libnn_yolo_v3.so
cp {workspace}/khadas_android_npu_library/model_code/detect_yolo_v3/libs/armeabi-v7a/libnn_yolo_v3.so {workspace}/khadas_android_npu_app/app/libs/armeabi-v7a/
(3) 替换nb文件
cp {workspace}/acuity-toolkit/demo/nbg_unify_yolov3/yolov3.nb {workspace}/khadas_android_npu_app/app/src/main/assets/yolov3_88.nb
(4) 大功告成，把khadas_android_npu_app工程代码导入android studio中编译运行在VIM3板子上。
image1243×1011 152 KB
image718×578 72.6 KB
补充：YOLOv3-Tiny
1，导入模型
当前模型转换过程都是在 acuity-toolkit 目录下进行:
cd {workspace}/aml_npu_sdk/acuity-toolkit
cp {workspace}/yolov3-khadas_ai_tiny.cfg_train demo/model/
cp {workspace}/yolov3-khadas_ai_tiny_last.weights demo/model/
cp {workspace}/test.jpg demo/model/
如下修改：
hlm@Server:/users/hlm/npu/aml_npu_sdk/acuity-toolkit/demo$ git diff
diff --git a/acuity-toolkit/demo/0_import_model.sh b/acuity-toolkit/demo/0_import_model.sh
index 3198810..3b4efd3 100755
--- a/acuity-toolkit/demo/0_import_model.sh
+++ b/acuity-toolkit/demo/0_import_model.sh
@@ -1,6 +1,6 @@#!/bin/bash-NAME=mobilenet_tf
+NAME=yolotinyACUITY_PATH=../bin/convert_caffe=${ACUITY_PATH}convertcaffe
@@ -11,13 +11,13 @@ convert_onnx=${ACUITY_PATH}convertonnxconvert_keras=${ACUITY_PATH}convertkerasconvert_pytorch=${ACUITY_PATH}convertpytorch-$convert_tf \
- --tf-pb ./model/mobilenet_v1.pb \
- --inputs input \
- --input-size-list '224,224,3' \
- --outputs MobilenetV1/Predictions/Softmax \
- --net-output ${NAME}.json \
- --data-output ${NAME}.data
+#$convert_tf \
+# --tf-pb ./model/mobilenet_v1.pb \
+# --inputs input \
+# --input-size-list '224,224,3' \
+# --outputs MobilenetV1/Predictions/Softmax \
+# --net-output ${NAME}.json \
+# --data-output ${NAME}.data #$convert_caffe \# --caffe-model xx.prototxt \
@@ -30,11 +30,11 @@ $convert_tf \# --net-output ${NAME}.json \# --data-output ${NAME}.data -#$convert_darknet \
-# --net-input xxx.cfg \
-# --weight-input xxx.weights \
-# --net-output ${NAME}.json \
-# --data-output ${NAME}.data
+$convert_darknet \
+ --net-input ./model/yolov3-khadas_ai_tiny.cfg_train \
+ --weight-input ./model/yolov3-khadas_ai_tiny_last.weights \
+ --net-output ${NAME}.json \
+ --data-output ${NAME}.data --- a/acuity-toolkit/demo/data/validation_tf.txt
+++ b/acuity-toolkit/demo/data/validation_tf.txt
@@ -1 +1 @@
-./space_shuttle_224.jpg, 813
+./test.jpg
2，对模型进行量化
hlm@Server:/users/hlm/npu/aml_npu_sdk/acuity-toolkit/demo$ git diff
diff --git a/acuity-toolkit/demo/1_quantize_model.sh b/acuity-toolkit/demo/1_quantize_model.sh
index 630ea7f..ee7bd00 100755
--- a/acuity-toolkit/demo/1_quantize_model.sh
+++ b/acuity-toolkit/demo/1_quantize_model.sh
@@ -1,6 +1,6 @@#!/bin/bash-NAME=mobilenet_tf
+NAME=yolotinyACUITY_PATH=../bin/tensorzone=${ACUITY_PATH}tensorzonex
@@ -11,12 +11,12 @@ $tensorzone \--dtype float32 \--source text \--source-file data/validation_tf.txt \
- --channel-mean-value '128 128 128 128' \
- --reorder-channel '0 1 2' \
+ --channel-mean-value '0 0 0 256' \
+ --reorder-channel '2 1 0' \--model-input ${NAME}.json \--model-data ${NAME}.data \--model-quantize ${NAME}.quantize \
- --quantized-dtype asymmetric_affine-u8 \
+ --quantized-dtype dynamic_fixed_point-i8 \
注意，这里 --quantized-dtype 跟ubuntu平台不一样。执行对应脚本：
3，生成 case 代码
hlm@Server:/users/hlm/npu/aml_npu_sdk/acuity-toolkit/demo$ git diff
diff --git a/acuity-toolkit/demo/2_export_case_code.sh b/acuity-toolkit/demo/2_export_case_code.sh
index 85b101b..867c5b9 100755
--- a/acuity-toolkit/demo/2_export_case_code.sh
+++ b/acuity-toolkit/demo/2_export_case_code.sh
@@ -1,6 +1,6 @@#!/bin/bash-NAME=mobilenet_tf
+NAME=yolotinyACUITY_PATH=../bin/export_ovxlib=${ACUITY_PATH}ovxgenerator
@@ -8,8 +8,8 @@ export_ovxlib=${ACUITY_PATH}ovxgenerator$export_ovxlib \--model-input ${NAME}.json \--data-input ${NAME}.data \
- --reorder-channel '0 1 2' \
- --channel-mean-value '128 128 128 128' \
+ --reorder-channel '2 1 0' \
+ --channel-mean-value '0 0 0 256' \
按照上面修改完成后，一次性执行脚本：
bash 0_import_model.sh && bash 1_quantize_model.sh && bash 2_export_case_code.sh
最终在demo目录下会产生一个nbg_unify_yolotiny目录：
image1578×505 34.3 KB
二，导入到VIM3 android平台的demo app运行
1， 安装ndk 编译环境
wget https://dl.google.com/android/repository/android-ndk-r17-linux-x86_64.zip
unzip android-ndk-r17-linux-x86_64.zip
vim ~/.bashrc
##添加下面两行代码到文件末尾
##export NDKROOT=/path/to/android-ndk-r17
##export PATH=$NDKROOT:$PATH
如图所示：
image1131×312 23.6 KB
然后在你要使用的ssh上执行此命令：
source ~/.bashrc
2， 编译相关so库
(1) 下载khadas_android_npu_library
git clone https://github.com/khadas/khadas_android_npu_library -b khadas_ai
(2) 增加khadas_android_npu_library/model_code/detect_yolo_tiny/目录及相关代码
已经整理好相关代码，具体差异可以跟yolov3对比，主要差异在*_process.c文件上，如下图：
image3788×1652 505 KB
(3) 替换detect_yolo_tiny目录 vnn_pre_process.h，vnn_post_process.h，vnn_yolotiny.h，vnn_yolotiny.c文件到如下对应目录。
cp {workspace}/nbg_unify_yolotiny/vnn_pre_process.h {workspace}/khadas_android_npu_library/model_code/detect_yolo_tiny/jni/include/
cp {workspace}/nbg_unify_yolotiny/vnn_post_process.h {workspace}/khadas_android_npu_library/model_code/detect_yolo_tiny/jni/include/
cp {workspace}/nbg_unify_yolotiny/vnn_yolotiny.h {workspace}/khadas_android_npu_library/model_code/detect_yolo_tiny/jni/include/
cp {workspace}/nbg_unify_yolotiny/vnn_yolotiny.c {workspace}/khadas_android_npu_library/model_code/detect_yolo_tiny/jni/
(4) 修改yolo_tiny_process.c
我们demo是两个类（KuLi, DuLanTe）, 修改class数组并修改num_class及LISTSIZE
static char *coco_names[] = {"KuLi","DuLanTe"};
image1163×716 29.4 KB
其中LISTSIZE = (num_class + 5 ) = 2+5 = 7
(4) 编译出libnn_yolo_tiny.so
cd {workspace}/khadas_android_npu_library/model_code/detect_yolo_tiny
ndk-build
image1834×357 33.7 KB
(5) 编译出libkhadas_npu_jni.so
首先要添加如下代码：
hlm@Server:/users/hlm/npu/khadas_android_npu_library/detect_code$ git diff
diff --git a/detect_code/jni/khadas_npu_det.cpp b/detect_code/jni/khadas_npu_det.cpp
index 7db2632..f90862e
--- a/detect_code/jni/khadas_npu_det.cpp
+++ b/detect_code/jni/khadas_npu_det.cpp
@@ -159,6 +159,9 @@ static jint npu_det_set_model(JNIEnv *env, jclass clazz __unused,jint modelType)case 2:type = DET_YOLO_V3;break;
+ case 3:
+ type = DET_YOLO_TINY;
+ break; default:type = DET_FACENET;break;
@@ -201,6 +204,9 @@ static jint npu_det_get_result(JNIEnv *env, jclass clazz __unused,jobject detrescase 2:type = DET_YOLO_V3;break;
+ case 3:
+ type = DET_YOLO_TINY;
+ break; default:type = DET_FACENET;break;
@@ -311,6 +317,9 @@ static jint npu_det_set_input(JNIEnv *env, jclass clazz __unused,jbyteArray imgbcase 2:type = DET_YOLO_V3;break;
+ case 3:
+ type = DET_YOLO_TINY;
+ break;
编译：
hlm@Server:/users/hlm/npu/khadas_android_npu_library/detect_code$ ndk-build
image1782×270 19.6 KB
4， 导入相关库到demo app运行
(1) 下载demo app
git clone https://github.com/khadas/khadas_android_npu_app -b khadas_ai
(2) 替换libnn_yolo_tiny.so
cp {workspace}/khadas_android_npu_library/model_code/detect_yolo_tiny/libs/armeabi-v7a/libnn_yolo_tiny.so {workspace}/khadas_android_npu_app/app/libs/armeabi-v7a/
(3) 替换libkhadas_npu_jni.so
cp {workspace}/khadas_android_npu_library/detect_code/libs/armeabi-v7a/libkhadas_npu_jni.so {workspace}/khadas_android_npu_app/app/libs/armeabi-v7a/
(4) 替换nb文件
cp {workspace}/acuity-toolkit/demo/nbg_unify_yolotiny/yolotiny.nb {workspace}/khadas_android_npu_app/app/src/main/assets/yolotiny_88.nb
(5) app添加响应yolo_tiny按钮及功能
代码修改如下：
hlm@Server:/users/hlm/npu/khadas_android_npu_app$ git diff app/src/
diff --git a/app/src/main/java/com/khadas/npudemo/CameraActivity.java b/app/src/main/java/com/khadas/npudemo/CameraActivity.java
index 20f3e8d..dc91f60
--- a/app/src/main/java/com/khadas/npudemo/CameraActivity.java
+++ b/app/src/main/java/com/khadas/npudemo/CameraActivity.java
@@ -111,7 +111,8 @@ public abstract class CameraActivity extends AppCompatActivity implements Camerapublic enum ModeType {DET_YOLOFACE_V2,DET_YOLO_V2,
- DET_YOLO_V3
+ DET_YOLO_V3,
+ DET_YOLO_TINY}static ModeType mode_type;@@ -162,6 +163,12 @@ public abstract class CameraActivity extends AppCompatActivity implements Camera} else {in = assmgr.open("yolov3_99.nb");}
+ } if(mode_type == ModeType.DET_YOLO_TINY) {
+ if(mStrboard.equals("kvim3")) {
+ in = assmgr.open("yolotiny_88.nb");
+ } else {
+ in = assmgr.open("yolotiny_99.nb");
+ }} if(mode_type == ModeType.DET_YOLOFACE_V2) {if(mStrboard.equals("kvim3")) {in = assmgr.open("yolo_face_88.nb");
@@ -278,7 +285,14 @@ public abstract class CameraActivity extends AppCompatActivity implements Camera}setmoderesult = inceptionv3.npu_det_set_model(mode_type.ordinal());}
-
+ if(mode_type == ModeType.DET_YOLO_TINY) {
+ if(mStrboard.equals("kvim3")) {
+ copyNbFile(this, "yolotiny_88.nb");
+ } else {
+ copyNbFile(this, "yolotiny_99.nb");
+ }
+ setmoderesult = inceptionv3.npu_det_set_model(mode_type.ordinal());
+ }if(mode_type == ModeType.DET_YOLOFACE_V2) {if(mStrboard.equals("kvim3")) {copyNbFile(this, "yolo_face_88.nb");
diff --git a/app/src/main/java/com/khadas/npudemo/MainActivity.java b/app/src/main/java/com/khadas/npudemo/MainActivity.java
index e858c2a..e85d6a9
--- a/app/src/main/java/com/khadas/npudemo/MainActivity.java
+++ b/app/src/main/java/com/khadas/npudemo/MainActivity.java
@@ -13,11 +13,13 @@ import android.app.AlertDialog;import android.content.DialogInterface;public class MainActivity extends AppCompatActivity implements View.OnClickListener{
+ private Button button_yolotiny;private Button button_yolov3;private Button button_yolov2;private Button button_yoloface;public static final String Intent_key="modetype";private static final String TAG = "MainActivity";
+ AlertDialog.Builder alertDialog0;AlertDialog.Builder alertDialog;AlertDialog.Builder alertDialog2;AlertDialog.Builder alertDialog3;
@@ -25,7 +27,8 @@ public class MainActivity extends AppCompatActivity implements View.OnClickListepublic enum ModeType {DET_YOLOFACE_V2,DET_YOLO_V2,
- DET_YOLO_V3
+ DET_YOLO_V3,
+ DET_YOLO_TINY}@@ -38,15 +41,35 @@ public class MainActivity extends AppCompatActivity implements View.OnClickListeTextView textView = (TextView)findViewById(R.id.title);textView.setText("model selection");-
+ button_yolotiny = (Button) findViewById(R.id.button_yolotiny);button_yolov3 = (Button) findViewById(R.id.button_yolov3);button_yolov2 = (Button) findViewById(R.id.button_yolov2);button_yoloface = (Button) findViewById(R.id.button_yoloface);+ button_yolotiny.setOnClickListener(this);button_yolov3.setOnClickListener(this);button_yolov2.setOnClickListener(this);button_yoloface.setOnClickListener(this);+ alertDialog0 = new AlertDialog.Builder(MainActivity.this);
+ alertDialog0.setTitle("prompt");
+ alertDialog0.setMessage("yolotiny image recognition model will run");
+ alertDialog0.setNegativeButton("cancel", new DialogInterface.OnClickListener() {//<E6><B7><BB><E5><8A><A0><E5><8F><96><E6><B6><88>
+ @Override
+ public void onClick(DialogInterface dialogInterface, int i) {
+ Log.e(TAG, "AlertDialog cancel");
+ //onClickNo();
+ }
+ })
+ .setPositiveButton("ok", new DialogInterface.OnClickListener() {//<E6><B7><BB><E5><8A><A0>"Yes"<E6><8C><89><E9><92><AE>
+ @Override
+ public void onClick(DialogInterface dialogInterface, int i) {
+ Log.e(TAG, "AlertDialog ok");
+ onClickYolovTiny();
+ }
+ })
+ .create();
+alertDialog = new AlertDialog.Builder(MainActivity.this);alertDialog.setTitle("prompt");alertDialog.setMessage("yolov3 image recognition model will run");
@@ -112,6 +135,13 @@ public class MainActivity extends AppCompatActivity implements View.OnClickListepublic void onClick(View v) {//Log.e(TAG,"OnClickListener");switch (v.getId()) {
+ case R.id.button_yolotiny:
+ Log.e(TAG, "button_yolotiny");
+ //onClickButton1(v);
+ alertDialog.setCancelable(false);//<E7><82><B9><E5><87><BB><E7><A9><BA><E7><99><BD><E5><A4><84><E4><B9><8B><E5><90><8E><E5><BC><B9><E5><87><BA><E6><A1><86><E4><B8><8D><E4><BC><9A>
<E6><B6><88><E5><A4><B1>
+ alertDialog.show();
+ buttonSetFocus(v);
+ break;case R.id.button_yolov3:Log.e(TAG, "button_yolov3");//onClickButton1(v);
@@ -146,7 +176,14 @@ public class MainActivity extends AppCompatActivity implements View.OnClickListebutton.requestFocusFromTouch();}
-
+
+ private void onClickYolovTiny() {
+ //<E5><A4><84><E7><90><86><E9><80><BB><E8><BE><91>
+ Log.e(TAG, "button_yolovtiny enter ");
+ Intent intent = new Intent(this,ClassifierActivity.class);
+ intent.putExtra(Intent_key,ModeType.DET_YOLO_TINY.ordinal());
+ startActivity(intent);
+ }private void onClickYolov3() {//<E5><A4><84><E7><90><86><E9><80><BB><E8><BE><91>
diff --git a/app/src/main/res/layout/activity_main.xml b/app/src/main/res/layout/activity_main.xml
index 41ba40c..e2216d2
--- a/app/src/main/res/layout/activity_main.xml
+++ b/app/src/main/res/layout/activity_main.xml
@@ -23,6 +23,12 @@android:text="model select"/><Button
+ android:id="@+id/button_yolotiny"
+ android:layout_width="300dp"
+ android:layout_height="80dp"
+ style="?android:attr/buttonBarButtonStyle"
+ android:text="yolotiny model" />
+ <Buttonandroid:id="@+id/button_yolov3"android:layout_width="300dp"android:layout_height="80dp"
(6) 大功告成，把khadas_android_npu_app工程代码导入android studio中编译运行在VIM3板子上。
image709×782 83.7 KB
image718×708 79.3 KB
image1185×868 131 KB
零基础导入自己YOLOv3或YOLOv3-Tiny模型相关推荐
- 【零基础学习3d建模】3D游戏人物模型，怎么贴图布线？
很多小伙伴刚开始学习游戏人物建模时,总是被贴图和布线所困扰.所以今天小编就和大家来聊一聊贴图和布线. 游戏角色贴图和一般影视级别角色的区别在于:面数少,贴图更是要少.要小,在有限的面数和尺寸里要表现最 ...
- Web渗透工程师零基础就业班【从入门到就业】
课程特点 (1)零基础导入体系:0基础学习Web渗透,从0到1,理论结合实战,轻松上手,循序渐进: (2)技术难点疑点重点突破:无需担心Web安全知识点太多,帮你梳理每个知识点的疑点难点,带你快速突破 ...
- WEB安全零基础入门到进阶教程
关注我们公众号的粉丝很多都是我的读者,或多或少看过<WEB安全攻防:渗透测试实战指南>一书. 如果你已经完成了该书的阅读.进行过书中实验的实操,相信WEB安全渗透与防御已经初窥门径. 如果 ...
- yolov5-4.0环境搭建，零基础小白都能看得懂的教程。YOLOv5搭建的最快搭建方式，踩坑经历详谈)yolov5/yolov4/yolov3/yolov3通＞＞＞＞＞＞＞＞＞＞＞＞＞＞＞＞＞第一章
第一章:python最新YOLOv5-4.0环境搭建,零基础小白都能看得懂的教程.YOLOv5搭建的最快搭建方式,踩坑经历详谈 环境准备: yolov5-4.0环境搭建整体说明 2,anaconda的 ...
- 飞桨PaddlePaddle-百度架构师手把手带你零基础实践深度学习——21日学习总结
飞桨PaddlePaddle-百度架构师手把手带你零基础实践深度学习--21日学习总结 写在前面的话 纯新手小白,第一次接触深度学习方面的应用.感谢飞桨提供的这次学习机会.之前有学习到深度学习的理论方 ...
- 【视频课】零基础免费38课时深度学习+超60小时CV核心算法+15大Pytorch CV实践案例助你攻略CV...
计算机视觉中大大小小可以包括至少30个以上的方向,在基于深度学习的计算机视觉研究方向中,图像分类,图像分割,目标检测无疑是最基础最底层的任务,掌握好之后可以很快的迁移到其他方向,比如目标识别,目标跟踪 ...
- 【乘风破浪的开发者】华为云云享专家胡琦：快快使用ModelArts，零基础也能玩转AI！
"自2018年10月发布以来,ModelArts累计服务了众多行业十几万开发者,通过基础平台的完备性和面向行业的知识沉淀以及平台化能力,使得AI应用开发更简单高效", 正如华为轮值 ...
- yolov5使用2080ti显卡训练是一种什么样的体验我通过vscode搭建linux服务器对python-yolov5-4.0项目进行训练，零基础小白都能看得懂的教程。＞＞＞＞＞＞＞＞＞第二章番外篇
第二章番外篇:yolov5通过vscode搭建linux服务器对python-yolov5-4.0项目进行训练,零基础小白都能看得懂的教程.YOLOv5搭建的最快搭建方式,踩坑经历详谈 前期准备: 2 ...
- 3.1 计算机视觉的发展和卷积神经网络概要(百度架构师手把手带你零基础实践深度学习原版笔记系列)
3.1 计算机视觉的发展和卷积神经网络(百度架构师手把手带你零基础实践深度学习原版笔记系列) 概要 计算机视觉作为一门让机器学会如何去"看"的科学学科,具体的说,就是让机器去识别摄 ...
最新文章
- 如何使用C＃在ASP.NET Core中轻松实现QRCoder
- Laravel中一些要记住 的写法
- VNC怎么和宿主机共享粘贴板(整理)
- 27行代码AC_迷宫 2017年第八届蓝桥杯A组第一题（暴力、仿迷宫）
- Ozon Tech Challenge 2020 (Div.1 + Div.2) E.Kuroni and the Score Distribution 构造
- 在标记的HREF属性中javascript:alert(this.innerHTML)会怎么样?
- 单进程服务器-epoll版
- PostgreSql Lock锁
- P1754 球迷购票问题 (卡特兰数,递推)
- web前端网页设计期末课程大作业：旅游网页主题网站设计——紫色的旅游开发景点网站静态模板(4页)HTML+CSS+JavaScript
- 【软件架构文档之SOC篇】
- 计算机导论王玉龙,计算机导论王玉龙
- Linux 文件格式转码工具
- 创建vue3项目（vite+js）
- uni-app学习笔记(1)：模板语法
- mac 查看 ssh key
- Tomcat7 管理员配置
- 【以压缩文件方式打开文件失败】解决办法
- 未来10年什么最赚钱 未来十大热门行业盘点
- 服务网关配置：Gateway
热门文章
- ES error while performing request
- 什么是导热系数？导热材料导热系数及测试方法介绍
- 2年Android开发面经分享：跳槽网易个人创业失败后，拿到快手,字节,百度,美团的Offer之旅
- http://blog.csdn.net/kuangfengbuyi/article/details/54091700?%3E
- 必须掌握的几种最优化方法极其区别
- java打印对象头信息_打印Java对象头
- ruijie交换机lacp动态_华为交换机LACP模式(动态)链路聚合配置示例
- [疑难杂症]系统文件不适用于运行MS-DOS与Microsoft Windows应用程序
- Chrome强大之一-----人人网批量下载相册图片
- 删除二维列表中的dominated元素