轻量化的yolov8部署到安卓Android手机端

一、pytorch环境设置和yolov8源码安装

首先在电脑上必要设置好pytorch环境，和yolov8源码的下载
然后针对yolov8做自己的轻量化改进
二、下载Android Studio和ncnn-android-yolov8

1. Android Studio官网链接：

下载 Android Studio 和应用工具 - Android 开辟者  |  Android Developers
自行设置AS环境和JDK
我参考了下面这两个：
Android Studio 安装设置教程 - Windows(详细版)-CSDN博客Android Studio 开辟环境快速搭建（超详细）_设置android 开辟环境-CSDN博客
 Android Studio 安装设置教程 - Windows(详细版)-CSDN博客

（1）JDK下载：

官网站：https://www.oracle.com/technetwork/java/javase/downloads/jdk8-downloads-2133151.html
同意协议后，下载相应版本的JDK

   
（2）设置JDK及JAVA的环境

打开系统环境
打开计算机的属性/高级设置/环境变量/,   

设置JAVA_HOME:
变量名：JAVA_HOME
变量值：JDK安装目录（复制jdk的路径，也就是我们前面安装JDK时设置的路径）
详细见谁人链接

（3）安装cmake

留意安装的是cmake3.10版本。

   手机安卓版本选择相应的安卓版本，我的是荣耀70，直接下载sdk,对应的是安卓14。

（4）出现的题目：

老项目导入可能碰到的题目 Unsupported Java. 
Your build is currently configured to use Java 17.0.7 and Gradle 5.4.1.
原本这个项目执行不是Java17，本地使用了更高的Java版本，因此同步必要更新gradle。
当然，可以更新gradle,但，这意味着反面有许多必要跟着改的题目。但是只是想运行下项目看下效果，效果还要改一通内容，终极很可能还不知道可否跑起来。
于是，根据条件，可以进行一下操作。
办理方案
可以设置较低的Java版本，以此来迎合Gradle 5.4.1。

——>File——>roject Structure——>SDK location——>Gradle Setting——>Gradle SDK——>选择个1.8的版本下载并运行吧。

或者直接在第四部分反面修改build.gradle
安装之后在android studio\bin\studio64.exe打开
2. 下载ncnn-android-yolov8项目：

https://github.com/FeiGeChuanShu/ncnn-android-yolov8 
3. 下载opencv-mobile和ncnn-android-vulkan 

• opencv-mobile：https://github.com/nihui/opencv-mobile
  
• ncnn-android-vulkan：Releases · Tencent/ncnn · GitHub
  

将上面下载好的两个压缩包解压后放入该位置：ncnn-android-yolov8\app\src\main\jni\ 下

4.设置CMakeLists.txt文件
位置：ncnn-android-yolov8\app\src\main\jni\ ，
利用Android Studio打开CMakeLists.txt.，然后把下面的路径更改为自己下载的：

三、将自定义的数据集和改进后的模子windows练习好的pt文件转为onnx文件

详细在Ultralytics/demo.py 代码内里也有体现

1. # 将模型导出为 ONNX 格式
3. from ultralytics import YOLO
5. model = YOLO("best.pt")
7. success = model.export(format="onnx", simplify=True, opset=12)   

复制代码

留意：
在安卓端使用demo项目在转换前必要对项目源码作出一些修改，修改详细见下面步骤。
待修改的内容在ncnn-android-yolov8-main/doc/中有显示，如使用检测任务则修改c2f.jpg和Detect.jpg两张图片上的内容。

也即在windows把ultralytics项目中的下列函数修改为：
文件路径：ultralytics/ultralytics/nn/modules/block.py

1. class C2f(nn.Module):
2.     # ...
3.     def forward(self, x):
4.         # 全部替换为
5.         x = self.cv1(x)
6.         x = [x, x[:, self.c:, ...]]
7.         x.extend(m(x[-1]) for m in self.m)
8.         x.pop(1)
9.         return self.cv2(torch.cat(x, 1))

复制代码

文件路径：ultralytics/ultralytics/nn/modules/head.py

1. class Detect(nn.Module):
2.     # ...
3.     def forward(self, x):
4.         """Concatenates and returns predicted bounding boxes and class probabilities."""
5.         shape = x[0].shape  # BCHW
6.         for i in range(self.nl):
7.             x[i] = torch.cat((self.cv2[i](x[i]), self.cv3[i](x[i])), 1)
8.         if self.training:
9.             return x
10.         elif self.dynamic or self.shape != shape:
11.             self.anchors, self.strides = (x.transpose(0, 1) for x in make_anchors(x, self.stride, 0.5))
12.             self.shape = shape
13.         # 中间部分注释掉，return语句替换为
14.         return torch.cat([xi.view(shape[0], self.no, -1) for xi in x], 2).permute(0, 2, 1)

复制代码

！记得保留原本的代码，这两处修改仅在格式转换时进行，假如想要重新练习，必要使用原本的代码。修改完成再执行模子格式转换的代码。

得到的文件范例为onnx格式，还需进一步转换为ncnn格式。使用一键转换 Caffe, ONNX, TensorFlow 到 NCNN, MNN, Tengine 即可
转换后会得到两个文件，分别以bin和param做后缀。使用yolov8模子已不再必要对param文件修改。两个文件即终极集成到android端的模子文件,
放到\ncnn-android-yolov8-main\ncnn-android-yolov8\app\src\main\assets

四 准备部署Android Studio项目

demo项目解读：
yolo.cpp和yolo.h：负责加载模子，执行猜测任务，返回数据效果。
ndkcamera.cpp和ndkcamera.h：负责摄像头相干以及实时绘制猜测矩形框。
yolov8ncnn.cpp：JNI方法直接对应的C++文件，负责整合上述两部分。
现在修改的部分均在yolo.cpp和yolov8ncnn.cpp两个文件中，可以以实时摄像的方式使用模子。
 
1. 修改yolo.cpp文件

在ncnn-android-yolov8\app\src\main\jni\ 下，修改为你自己数据集的类别数目

修改调用的模子名格式 ：

修改节点名称：
先检察自己onnx的节点名称，网站检察： https://netron.app/ 

修改文件，对应上图中的输入和输出的名称

修改为自己的类别名称：

2 修改strings.xml文件

增加item,添加移动端模子选择文件：
<item>bestXXX</item>
bestXXX是你练习出来的模子的名称

3 修改yolov8ncnn.cpp文件

对应修改如下：

上图红框中的名称要和你导出来的bin和param中的文件名称对应 ，有多个模子，可以多放几个

4.修改build.gradle

在build.gradle 修改依赖的gradle插件版本为7.2.0

在ncnn-android-yolov8-main\ncnn-android-yolov8\gradle\wrapper\gradle-wrapper.properties中：
修改使用的gradle版本为7.4-all版本。

重新sync项目

5.部署效果

找到Google USB Driver并下载，流程为点击File -> Settings ->Languages & Frameworks -> Android SDK -> SDK Tools -> Google USB Driver。

手机打开->开辟者模式，开启USB调试权限，手机和电脑用USB连接，答应调试
通过USB将手机和电脑连接，然后选择传文件模式，不要选择仅充电。
这个时间Android Studio的设备选择器中一般就有了已经连接的手机。
留意荣耀和华为手机在usb设置选“以太网”，这个搞了我还几天都搞不出来

运行Android Studio项目到手机上
另外app默认先打开的是前置摄像头，通太过析代码，可以知道，将MainActivity.java的40的facing的初始值从0改成1可以让app默认先打开后置摄像头。

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。