YOLOv5 的 Android 部署，基于 tflite

环境

• window 10 64bit

• yolov5 v6.2

• torch1.7.1+cuda101

• tensorflow-gpu 2.9.1

前言

前文 借助NCNN，在Android上运行YOLOv5目标检测 和 在Android上进行yolov5目标检测，使用torchscript方式，我们分别使用了 ncnn 和 torchscript 这2种方式将 YOLOv5 部署到了 android 手机上。本篇我们将使用另一种方式 tflite 来进行部署，所以，喜欢哪个就用哪个吧。

具体步骤

这里使用最新的 v6.2 版本代码，使用官方的 yolov5s.pt 模型。要使用自己的数据集，需要自己先行训练，训练步骤可以参考文末的链接。

模型转换过程还需要 tensorflow 的环境，安装一下

pip instal tensorflow-gpu

然后就可以使用 export.py 脚本进行转换了，命令如下

python export.py --weights yolov5s.pt --include tflite --img 416

参数 weights 指定 .pt 模型，--include 参数指定要转换的目标模型，--img 参数指定图片大小

可以看到，转换后的模型是 yolov5s-fp16.tflite，同时，在同层目录下，还有个文件夹 yolov5s_saved_model，里面包含了 .pb 文件，就是 protobuf 文件，这里有个细节，就是 .pt 文件是先被转换成 .pb，然后再转换成 .tflite 的。

接着，使用脚本 detect.py 来验证一下，用上面生成的 .tflite 模型

python detect.py --weights yolov5s-fp16.tflite --source data/images/bus.jpg --img 416

检测没有问题

有了模型文件，接下来就可以来到 android 端了，我把示例代码上传到了 github 上，可以直接 clone

git clone https://github.com/xugaoxiang/yolov5_android_tflite.git

需要替换的是 yolov5_android_tflite/app/src/main/assets 文件夹下的2个文件，class.txt 和 yolov5s-fp16.tflite

编译后安装到手机，就可以开始进行基于摄像头的目标检测了

参考资料

• 借助NCNN，在Android上运行YOLOv5目标检测

• windows 10安装cuda和cudnn

• YOLOv5模型训练

• YOLOv5 5.0版本

• Android studio gradle构建失败的解决方法