yolov5 ncnn

c++ input_size要设置为640，即onnx导出模型输入是320，

如果onnx输入改为640，Android执行会死机。

原版是394，375，output，3.0输出是：

394，374，output，这3个是看对应onnx或者sim.onnx的输出层，

{"394",32,{{116,90},{156,198},{373,326}}},
{"374",16,{{30,61},{62,45},{59,119}}},
{"output",8,{{10,13},{16,30},{33,23}}},

举个栗子：onnx或者sim.onnx都有：

yolov5 ncnn

精简版，只有yolov5，ok

https://github.com/sunnyden/YOLOV5_NCNN_Android

有Android 4.0 ios，还有别的网络，比如yolov4

https://github.com/cmdbug/YOLOv5_NCNN

https://github.com/WZTENG/YOLOv5_NCNN

步骤：

1.torch转onnx

 ./onnx2ncnn crnn_lite_lstm_v2-sim.onnx crnn_lite_lstm_v2.param crnn_lite_lstm_v2.bin

如果报层不支持，

pip install onnx-simplifier pip install onnxruntime

2、onnx再精简模型python -m onnxsim c:/resnet50.onnx c:/resnet50-sim.onnx

这个如果报错：

第二步：

python -m onnxsim _0.9628_1471.onnx crnn_lstm_ex.onnx

E:\project\hjam\ncnn\build-vs2017\tools\onnx\onnx2ncnn.exe crnn_lstm_ex.onnx yolov5s_out.param yolov5s_out.bin

(base37) C:\WINDOWS\system32>python -m onnxsim I:\OCR\chineseocr_lite-onnx\models\crnn_lstm.onnx I:\OCR\chineseocr_lite-onnx\models\crnn_lstm_ex.onnx
Simplifying...
Traceback (most recent call last):
File "E:\ProgramData\Anaconda3\envs\base37\lib\runpy.py", line 193, in run_module_as_main
"main", mod_spec)
File "E:\ProgramData\Anaconda3\envs\base37\lib\runpy.py", line 85, in run_code
exec(code, run_globals)
File "E:\ProgramData\Anaconda3\envs\base37\lib\site-packages\onnxsim_main.py", line 52, in
main()
File "E:\ProgramData\Anaconda3\envs\base37\lib\site-packages\onnxsim_main.py", line 40, in main
args.input_model, check_n=args.check_n, perform_optimization=not args.skip_optimization, skip_fuse_bn=not args.enable_fuse_bn, input_shapes=input_shapes, skipped_optimizers=args.skip_optimizer, skip_shape_inference=args.skip_shape_inference)
File "E:\ProgramData\Anaconda3\envs\base37\lib\site-packages\onnxsim\onnx_simplifier.py", line 331, in simplify
model, const_nodes, input_shapes=input_shapes)
File "E:\ProgramData\Anaconda3\envs\base37\lib\site-packages\onnxsim\onnx_simplifier.py", line 172, in forward_for_node_outputs
res = forward(model, input_shapes=input_shapes)
File "E:\ProgramData\Anaconda3\envs\base37\lib\site-packages\onnxsim\onnx_simplifier.py", line 157, in forward
inputs = generate_rand_input(model, input_shapes=input_shapes)
File "E:\ProgramData\Anaconda3\envs\base37\lib\site-packages\onnxsim\onnx_simplifier.py", line 108, in generate_rand_input
'please determine the input size manually by --input-shape xxx'.format(key))
RuntimeError: The shape of input "input" has dynamic size, please determine the input size manually by --input-shape xxx

使用onnx_simplify时，--input-shape 参数应该怎么写，上面使用时，没写--input-shape参数
输入尺寸没写，才会这样，写了输入尺寸就可以转换了。

yolov5 ncnn相关推荐

目标检测 YOLOv5 - ncnn模型的加密 C++实现封装库和Android调用库示例
目标检测 YOLOv5 - ncnn模型的加密 C++实现封装库和Android调用库示例 flyfish 文章目录目标检测 YOLOv5 - ncnn模型的加密 C++实现封装库和Android调 ...
NCNN+Int8+yolov5部署和量化
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达 [引言] 刚开始准备写yolov5+ncnn+int8量化的教程,却在yolov5的量化上遇到了麻烦, ...
深度学习目标检测(YoloV5)项目——从0开始到项目落地部署
前言训练和开发环境是win10,显卡RTX3080;cuda10.2,cudnn7.1;OpenCV4.5;yolov5用的是5s的模型,2020年8月13日的发布v3.0这个版本; ncnn版本是 ...
YOLOv5-Lite:NCNN+Int8部署和量化，树莓派也可实时
本文版权属于GiantPandaCV,未经允许请勿转载前言: 还记得我在两个月前写的文章吗,关于yolov4-tiny+ncnn+int8量化的详细教程: https://zhuanlan.zhih ...
安卓目标检测，目标跟踪，人流量计数
先看效果, 推理时间不到30ms. 大多数目标检测,目标追踪网络模型部署在终端,用的Python,CUDA环境,只能参考流程,案例Python环境下实现的人流量计数,代码跑跑,效果如下根据这个案例, ...
基于全志D1-H和XR806的名贵植物监控装置
该毕业设计是使用全志D1-H哪吒开发以及XR806开发板,再辅以外围的各种电路和传感器原件,制作而成的一个名贵植物监控装置. ![在这里插入图片描述](https://img-blog.csdnimg ...
ncnn opencv VS2017 window10 yolov5调用摄像头实时目标检测
Contents 环境下载.编译 1 OpenCV-4.5.4下载.配置 2 CMake下载安装.配置 3 下载.编译protobuf-3.4.0 4 下载.编译ncnn VS2017新建项目--编译 ...
yolov5 6.0版本-＞onnx-＞ncnn +安卓部署附加ncnn环境配置保姆级详细教程
目标检测:yolov5 6.0版本 ncnn环境安装至 +安卓部署一条龙教程文章目录背景一.准备阶段 1.参考文章 #2.流程二.pt模型->onnx 三.Windows下ncnn环 ...
腾讯优图NCNN详细分析及实践操作（含Yolov5实践）
欢迎关注" 计算机视觉研究院 " 计算机视觉研究院专栏作者:Edison_G 11 月 19 日,历经数月打磨,由InfoQ发起并组织,共有300+参评项目,100+入围项目,1 ...

yolov5 ncnn

yolov5 ncnn相关推荐

最新文章

热门文章