安卓广告跳过 yolov5 ncnn方式集成

代码原地址: https://github.com/nihui/ncnn-android-yolov5
我在这里只是替换了模型信息,其余的内容基本没有修改。
原工程并没有写如何进行模型转换,模型转换可以参考这篇文章:https://blog.csdn.net/flyfish1986/article/details/116604907里面写的比较详细了。
这里简单的做个备份,不想跳转的可以直接参考下面的内容:

模型转换为ncnn格式

  1. 导出onnx
    bash
    python models/export.py --weights yolov5s.pt --img 320 --batch 1
  2. onnx-simplifer简化模型 bash
    python -m onnxsim yolov5s.onnx yolov5s-sim.onnx
  3. 专函为ncnn bash
    ./onnx2ncnn yolov5s-sim.onnx yolov5s.param yolov5s.bin
  4. 处理转ncnn产生的Unsupported slice step !
    1).处理YOLOv5的Focus模块,将多个slice节点转换为一个focus节点
    slices

    转换为:
    v5 focus
    编辑yolov5s.param文件,处理步骤如下:
    a. 红框内4行到13行删除
    slice code
    b. 一共删除了10层,第二行的173更改为164,计算方法173-(10-1)=164
    count
    c. 增加自定义层
    bash
    YoloV5Focus focus 1 1 images 159

    159来自下图,找到删除的第13行
    159
    Foucs更改之后的结果是
    yolov5 focus
    2). 支持动态尺寸输入
    将reshape中的960,240,60更改为-1,或者其他 0=后面的数
    reshape

  5. ncnn optimize优化
    bash
    ./ncnnoptimize yolov5s.param yolov5s.bin yolov5s-opt.param yolov5s-opt.bin 1
  6. C++代码处理
    1). 三个extract
    ncnn-20210507/examples目录下的yolov5.cpp,我们仿照代码中output,781,801 进行更改 .代码举例
    stride16
    代码更改依据以781,801 为例
    781
    801
    我们自己的C++代码可以依据onnx文件更改三个输出.也可以根据ncnn的Permute的每一个output,分别是output,395,415
    415
    2) 代码中anchor
    a. 可以依据模型在训练时的输出
    anchor
    b. 也可以依据yolov5/models/中的配置文件,以yolov5s.yaml为例
    5s
    stride32
    [这两种方式我没看明白是怎么得到stride中的那几个数字的,谁知道怎么算的还望不吝赐教。]
  7. 最后的运行
    加载模型更改为自己的模型yolov5s-opt.param 和yolov5s-opt.bin
    load
    编译: bash
    ncnn-20210507/build$ make install
    build
    编译运行:
    bash
    ncnn-20210507/build/examples$ ./yolov5 1.jpg

安卓工程项目集成

step1

https://github.com/Tencent/ncnn/releases
download ncnn-android-vulkan.zip or build ncnn for android yourself

step2

extract ncnn-android-vulkan.zip into app/src/main/jni or change >the ncnn_DIR path to yours in app/src/main/jni/CMakeLists.txt

step3

open this project with Android Studio, build it and enjoy!

 

实际效果:

在单类识别中没有3个输出函数,如下图所示:

于是3个stride 分别以不同的permute节点数值填写,实际的探测效果不忍直视,谁知道什么问题导致的还望不吝赐教。

github链接:https://github.com/obaby/skip_ads_android_ncnn_project.git

参考链接:
https://github.com/cmdbug/YOLOv5_NCNN.git
https://blog.csdn.net/flyfish1986/article/details/116604907
https://zhuanlan.zhihu.com/p/266130778
https://zhuanlan.zhihu.com/p/350278710

☆版权☆

* 网站名称:obaby@mars
* 网址:https://oba.by/
* 个性:https://oba.by/
* 本文标题: 《安卓广告跳过 yolov5 ncnn方式集成》
* 本文链接:https://lang.bi/2021/11/9232
* 短链接:https://oba.by/?p=9232
* 转载文章请标明文章来源,原文标题以及原文链接。请遵从 《署名-非商业性使用-相同方式共享 2.5 中国大陆 (CC BY-NC-SA 2.5 CN) 》许可协议。


You may also like

5 comments

  1. Level 1
    Google Chrome 96 Google Chrome 96 Windows 10 Windows 10 sg新加坡 M13G无线宽频

    我前一段时间也在做yolov5 android的项目,我的项目的想法是直接使用rest api 将图片发送到gpu加速的云服务器 用yolov5直接predict 然后返回结果。用yolov5s每张图片处理速度很快的,算上图片传输,网络延迟500毫秒内应该可以返回结果。好处是,服务器存有用户上传的图片,如果Predict 准确性低的话可以进行人工标签,训练。并后台更新模型。

    另外,点击其他软件广告的app不知道在android play store 能不能过审,据我了解,审查的比较严格,比较困难的。国内的各个平台我就不清楚了。

    1. 公主 Queen 
      Google Chrome 94 Google Chrome 94 Windows 10 Windows 10 cn山东省青岛市 联通

      之所以本地处理主要还是为了速度。通过服务器来处理效果肯定是会好不少,但是考虑到手机运行的各种情形,还是考虑本地来进行处理。

      至于这种app上架,国内基本没戏,之前李跳跳被下掉了,后续貌似也没什么比较好用的。我做的这个东西纯粹是个人兴趣,所以能不能上架其实不是很关注。

  2. Level 1
    Google Chrome 96 Google Chrome 96 Windows 10 Windows 10 sg新加坡 M13G无线宽频

    好的,明白,感谢回复,祝你成功。

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注