ncnn-android-yolov8
ncnn-android-yolov8 copied to clipboard
Real time yolov8 Android demo by ncnn
根据您的方法,我成功的跑通了segment和detect,也成功的运行了您提供的obb的。但导出的obb模型后,ncnn会在模型推理的时候发生段错误。yolov8的官方导出也无法使用。您能出一个类似的范例,引导导出obb的模型吗。
模型转换问题
飞哥,yoloV8的pt模型如何转换为ONNX,再转换为NCNN模型的?
我想使用自己训练的目标检测模型进行目标检测,但是您的工程中是实例分割模型,在我替换模型以后程序出现了闪退,我想请问是不是因为我模型是目标检测的原因还是其他的原因
将pt-to-onnx中的第三行代码改成: success = model.export(format = "onnx", imgsz = 320, half = True, opset = 12) 或者opset=11或13 方法来源于【yolov8 最新版本 安卓 ncnn 部署 Android onnx模型转换ncnn】https://www.bilibili.com/video/BV1Uo4y1F7vG?vd_source=19c68a44cfb1217c054c7c65e6163198 
使用作者项目中的模型识别就没有问题,换成自己的模型精度就大大降低,原因是:yolo.cpp里的detect函数内 我的:ncnn::Mat in = ncnn::Mat::from_pixels_resize(rgb.data, ncnn::Mat::PIXEL_RGB, width, height, w, h); 作者的:ncnn::Mat in = ncnn::Mat::from_pixels_resize(rgb.data, ncnn::Mat::PIXEL_RGB2BGR, width, height, w, h); 大家一定注意自己模型输入的image格式,是rgb还是bgr,估计作者的是bgr 如果还有问题可参考自查:https://github.com/Tencent/ncnn/wiki/FAQ-ncnn-produce-wrong-result
你好,飞哥,我把yolov8改了,提取特征用了EfficientNetv2,也加了cbam注意力,训练出来的权重,能用您这个方法在安卓端运行吗?
我想把yolov8s-obb在ncnn-android-yolov8项目中使用,要怎么往里面移植啊。或者单独运行yolov8s-obb.cpp怎么运行啊,求大佬指导。
已经参考 [Convert yolov8 model to ncnn model · Digital2Slave/ncnn-android-yolov8-seg Wiki (github.com)](https://github.com/Digital2Slave/ncnn-android-yolov8-seg/wiki/Convert-yolov8-model-to-ncnn-model) [是否有yolov8模型转换为NCNN的详细步骤?我尝试将自己的yolov8模型进行了转换,但是识别效果却不正确 · Issue #8 · FeiGeChuanShu/ncnn-android-yolov8 (github.com)](https://github.com/FeiGeChuanShu/ncnn-android-yolov8/issues/8) 我将ndk相机换成自己图片输入,确保实现正常输入输出,已经可以实现yolov8seg分割功能。在后面实现yolov8检测的功能中,我用的是自己的检测模型,已经参考修改yolov8网络和参考wiki使用pt-onnx-ncnn方法,导出bin和param,在load方法正确读取模型返回0,在调试过程中有概率卡死在generate_proposals的float confidence = scores[k];中,app部署在安卓端后运行 !,但是会产生非常多的框,并没有正确检测,有什么办法可以消除这种bug?       ...