用小米 11 等安卓手机解锁目标检测模型 YOLOv5，识别速度不过几十毫秒！

现在，指标检验界影星模子 YOLO，非常新 v5 版本也能够在手机上玩儿了！瞧～只需求戋戋几十毫秒，桌上的东西就全被检验出来了：

这速度宛若不比电脑差？想要亲手搭建一个？上教程。

在安卓手机上布置 YOLOv5

更切当的说是 YOLOv5s。YOLOv5 于 2020 年 5 月公布，非常大的特点即是模子小，速度快，因此能很好的使用在挪动端。

而且实在非常首先 YOLOv5 即是作为一款对图像举行检验、分类和定位的 iOS 端 App 进入人们的视线，而且 App 或是由 YOLOv5 的作者亲自开辟。

现在，想要在装备上布置它，你需融合的情况以下：

•Tensorflow 2.4.0

•PyTorch 1.7.0

•OpenVino 2021.3

• Studio 4.2.1

•minSdkVersion 28

•targetSdkVersion 29

•TfLite 2.4.0

・小米 11 (存储 128GB/ 内存 8GB)

・操纵体系 MIUI 12.5.8

而后干脆下载作者在 GitHub 上的项目。

gitclone—recursivehttps://github.com/lp6m/yolov5s_android

使用 Docker 容器举行主机评估（host evaluation）和模子转换。

cdyolov5s_androiddockerbuild./-f./docker/Dockerfile-tyolov5s_androiddockerrun-it—gpusall-vpwd:/workspaceyolov5s_anrdoidbash

将 App 文件夹下的./tflite\u model/*.tflite 复制到 App / tflite\u yolov5\u test / App / src / main / assets / 目次下，就可在 Android Studio 上构建使用程序。

构建好的程序能够配置输入图像大小、揣度精度和模子精度。

若选定其中的“Open Directory”，检验后果会被留存为 coco 花样的 json 文件。从录像头举行及时检验模式已将精度和输入图像大小固定为 int8/320，该模式在小米 11 到达的图像帧数为 15FPS。

由于本项目是作者列入的一个”Yolov5s Export”比赛（而且非常终得了奖，奖金或是 2000 美元），因此他也举行了机能评估。

评估包括延时和精确度。

耽误时间

在小米 11 上测得，不包括预处分 / 后处分和数据传输的耗时。

后果以下：

无论模子精度是 float32 或是 int8，时间都能控制在 250ms 之内，连半秒的时间都不到。

△float32

△int8

大家能够和 YOLOv5 在电脑上的机能对比：

精确度

种种模式下的 mAP (mean Average Precision) 值非常高为 28.5，非常低也有 25.5。

非常后，细致教程可戳下方链接；若你只想试玩，作者也在上头供应了安卓安置包～

项目地点：