用安卓手机解锁目标检测模型YOLOv5,识别速度不过几十毫秒!
丰色 发自 凹非寺 量子位 报道 | 公众号 QbitAI
现在,目标检测界明星模型YOLO,最新v5版本也可以在手机上玩儿了!
瞧~只需要区区几十毫秒,桌上的东西就全被检测出来了:
这速度似乎不比电脑差?
想要亲手搭建一个?上教程。
在安卓手机上部署YOLOv5
更确切的说是YOLOv5s。
YOLOv5于2020年5月发布,最大的特点就是模型小,速度快,所以能很好的应用在移动端。
而且其实最开始YOLOv5就是作为一款对图像进行检测、分类和定位的iOS端APP进入人们的视野,而且APP还是由YOLOv5的作者亲自开发。
现在,想要在安卓设备上部署它,你需配备的环境如下:
- 主机 Ubuntu18.04
- Docker
Tensorflow 2.4.0 PyTorch 1.7.0 OpenVino 2021.3
- 安卓APP
Android Studio 4.2.1 minSdkVersion 28 targetSdkVersion 29 TfLite 2.4.0
- 安卓设备
小米11 (内存 128GB/ RAM 8GB) 操作系统 MUI 12.5.8
然后直接下载作者在GitHub上的项目。
git clone —recursive https://github.com/lp6m/yolov5s_android
使用Docke容器进行主机评估(host evaluation)和模型转换。
cd yolov5s_android docker build ./ -f ./docker/Dockerfile -t yolov5s_android docker run -it —gpus all -v pwd
:/workspace yolov5s_anrdoid bash
将app文件夹下的./tfliteu model/*.tflite复制到app/tfliteu yolov5u test/app/src/main/assets/目录下,就可在Android Studio上构建应用程序。
构建好的程序可以设置输入图像大小、推断精度和模型精度。
如果选择其中的“Open Directory”,检测结果会被保存为coco格式的json文件。
从摄像头进行实时检测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达到的图像帧数为15FPS。
由于本项目是作者参加的一个”Yolov5s Export”竞赛(并且最终得了奖,奖金还是2000美元),所以他也进行了性能评估。
评估包括延时和准确度。
- 延迟时间
在小米11上测得,不包含预处理/后处理和数据传输的耗时。
结果如下:
不管模型精度是float32还是int8,时间都能控制在250ms以内,连半秒的时间都不到。
△ float32
△ int8
大家可以和YOLOv5在电脑上的性能对比:
- 准确度
各种模式下的mAP(mean Average Precision)值最高为28.5,最低也有25.5。
最后,详细教程可戳下方链接;如果你只想试玩,作者也在上面提供了安卓安装包~
项目地址:
https://github.com/lp6m/yolov5s_android
— 完 —
本文系网易新闻•网易号特色内容激励计划签约账号【量子位】原创内容,未经账号授权,禁止随意转载。
相关文章
- 5G赋能,无线制造不再是梦!
- 浅谈微服务的发展以及可观测性
- 容器云平台运维学习思路和方法
- 边缘计算和边缘AI是什么?两者有什么区别?
- 红帽推进云服务组合,为现代应用开发创建一致且可扩展的体验
- 2030年5G“五大应用场景”将给运营商带来19569亿元收入
- 无需嵌码的主动式监测:一种预先感知用户体验的最佳实践
- 3G、4G、5G,我们为什么要那么多的"G"呢?
- AT&T与微软联合进行私有 5G 边缘部署
- 红帽通过扩展功能,提供精简的云应用开发与交付
- 工信部:2022年目标新建60万个以上5G基站
- CNNIC发布第49次 《中国互联网络发展状况统计报告》
- Wi-Fi 6今年大普及Wi-Fi 7明年问世:速率可达40Gbps
- 人工智能如何重塑边缘计算领域
- 助力网络强国,IPv6“+”速跑
- 智能云原生应用的崛起
- 阿里巴巴开源联邦学习框架FederatedScope,降低隐私保护计算技术开发应用难度
- 谷歌前CEO称“5G竞赛美国落后于中国”,但千万别忽视美国的后发优势!
- 如何在不确定性中寻找新增长点 Gartner解析2023年十大战略技术趋势
- 揭秘:行程卡“全程追踪”,手机关机拔卡后仍有用,为什么呢?