Android—yolov3目标检测移植

前言

最近论文刚刚写完,终于可以做一些自己喜欢的东西了,Happy。之前学过一段时间Android, 感觉移动端App开发和PC上的软件,比如Qt, 存在很大的不同,App开发更好玩一些,而且实用价值也比较大。

Yolov3是一个非常棒的深度学习目标检测算法,如果Yolov3与Android相遇,那yolov3就可以发挥更大的价值,而不仅仅停留在实验室, 在此基础上可以开发出许多有趣的App:

  • 比如采用Yolov3识别游戏中的角色,游戏辅助
  • 行人检测识别
  • 食物检测识别
    ......

本文主要内容:基于NCNN库实现Android端Yolov3深度学习目标检测

说明一点,本文不是直接将darknet yolov3移植到android上,考虑到性能采用ncnn库

  • NCNN库编译
  • Android工程搭建
  • Android端 opencv配置
  • JNI Java C++参数传递

开发环境

  • Ubuntu 18.04
  • Android Studio 3.2, with android ndk r16b
  • ncnn

App效果图

Android—yolov3目标检测移植_第1张图片
1.png

App主页面, 需要动态申请权限

Android—yolov3目标检测移植_第2张图片
2.png

App主页面, 一个大大的darknet logo,背景纯黑色,是不是很酷

3.png

第二个界面, 选择图像, 目标检测经典图片

4.png
5.png
6.png

这里可以设置多线程,线程数量

7.png

这是检测结果, 检测识别到汽车Car

8.png

每一项可以点击进去,查看详情

9.png

绘制的检测结果


Android端Yolov3实现

NCNN库编译

NCNN库是腾讯优图的一个开源深度神经网络计算库,专为移动平台加速。
https://github.com/Tencent/ncnn

开源工程已经编译好了Android平台的静态库,可以直接用。但是考虑到实际开发编译环境的不同,因此最好自己编译一次。


Android—yolov3目标检测移植_第3张图片
image.png

编译的详细步骤:


Android—yolov3目标检测移植_第4张图片
image.png
Android—yolov3目标检测移植_第5张图片
image.png

Android—yolov3目标检测移植_第6张图片
image.png

具体步骤见官网,这里我就说一下踩过的坑:

  • Android NDK版本

ndk版本不要太新的,容易出BUG!!!

在安装Android SDK时候,ndk默认安装在sdk/ndk-bundle目录, 具体的版本号在Android studio SDK Manager/SDK Tools中可以查看。

Android—yolov3目标检测移植_第7张图片
android sdk目录
Android—yolov3目标检测移植_第8张图片
android ndk目录

除了使用Android SDK自带的ndk之外,还可以手动下载Android ndk, 解压在一个目录。

Android—yolov3目标检测移植_第9张图片
image.png

Android—yolov3目标检测移植_第10张图片
image.png

在Ubuntu上只要配置好Android ndk就可以编译好nccn库,如图:


Android—yolov3目标检测移植_第11张图片
image.png
Android—yolov3目标检测移植_第12张图片
image.png
Android—yolov3目标检测移植_第13张图片
image.png

目前Android手机普遍支持64bit, 所以一般编译出两个版本的lib

版本 平台
armeabi-v7a ARM 32bit库
arm64-v8a ARM 64bit库

opencv的导入

需要下载oepncv for android sdk


Android—yolov3目标检测移植_第14张图片
image.png

Android—yolov3目标检测移植_第15张图片
image.png
Android—yolov3目标检测移植_第16张图片
image.png

在opencv sdk目录中包含 java以及native

类型 作用
java opencv java类,接口
native C++ 链接库
Android—yolov3目标检测移植_第17张图片
image.png

opencv中包含诸多编译好的链接库:

类型 描述
arm64-v8a ARM 64bit
armeabi ARM 早期的二进制接口ABI
armeabi-v7a ARM 32bit
mips others
x86 Intel x86 cpu架构
x86_x64 Intel x86 64bit CPU

一般的Android手机,大多数使用这两足以:

  • armeabi-v7a
  • arm64-v8a

动态链接库


Android—yolov3目标检测移植_第18张图片
image.png

本工程中,在Java层以及C++层同时导入opencv库

  • Java层: 导入opencv-android-sdk/sdk/java 模块
  • C++层: 在CMakeList.txt中引入

Java层引入opencv

File->New->Import Module

Android—yolov3目标检测移植_第19张图片
image.png
Android—yolov3目标检测移植_第20张图片
image.png

Android—yolov3目标检测移植_第21张图片
image.png

导入之后,修改sdk版本,与 Module:app的版本保持一致。然后在Project Structure中导入Module


Android—yolov3目标检测移植_第22张图片
image.png

Android—yolov3目标检测移植_第23张图片
image.png

image.png

Android—yolov3目标检测移植_第24张图片
image.png

Android—yolov3目标检测移植_第25张图片
image.png

C++层导入opencv

通过配置CMakeList.txt即可

Android—yolov3目标检测移植_第26张图片
image.png
image.png

Android—yolov3目标检测移植_第27张图片
image.png

最后,将so复制到android工程:


Android—yolov3目标检测移植_第28张图片
image.png

Android—yolov3目标检测移植_第29张图片
image.png
Android—yolov3目标检测移植_第30张图片
image.png

Android工程搭建

进行android开发采用的工具Android Studio, AS比较卡,吃内存, 编译时间巨慢。Ubuntu系统还好些,比windows快很多。

Android—yolov3目标检测移植_第31张图片
image.png

因为NCNN库是C++实现的,因此在创建Android工程时候务必选择 include C++, C++版本一般选C++14, C++11即可。这是已经完工之后的Android工程。
工程包含3个Module:

  • app
  • openCVLibrary343
  • yolov3

其中app是创建工程自带的,一些启动界面包含于此;openCVLibrary343是在opencv官网下载的, opencv for android sdk, 里面包含大量Java opencv 类实现,以及编译好的动态链接库 opencv_java3.so; yolov3模块是自己新建的,包含yolo目标检测算法的实现以及Java接口的封装, 创建一个yolo模块的目的是可以往不同工程中直接导入,方便移植。

Android—yolov3目标检测移植_第32张图片
image.png

模块的导入


Android—yolov3目标检测移植_第33张图片
image.png

NCNN库引入

引入ncnn库的目的是加载yolov3网络,网络模型,进行forword计算。

ncnn库的导入比较简单:

  • 将include复制到cpp目录
  • 将libncnn.a复制到armeabi-v7a, arm64-v8a
  • 在CMakeList.txt中引入
Android—yolov3目标检测移植_第34张图片
image.png
Android—yolov3目标检测移植_第35张图片
image.png
image.png
Android—yolov3目标检测移植_第36张图片
image.png
image.png

此CMakeList.txt文件根据配置将生成libyolo.so动态链接库。


此篇主要是工程配置,后续再写代码实现...

你可能感兴趣的:(Android—yolov3目标检测移植)