Skip to content

Latest commit

 

History

History
70 lines (49 loc) · 2.62 KB

README.md

File metadata and controls

70 lines (49 loc) · 2.62 KB

🚀 如果有帮助,点个star!⭐

移动端TNN部署,摄像头实时捕获视频流进行检测。

iOS:

  • Xcode 12.4
  • macOS 11.2.3
  • iPhone 6sp 13.5.1

Android:

  • Android Studio 4.1.1
  • Win10 20H2
  • CPU:Qualcomm 710 GPU:Adreno 616

安卓已经增加权限申请,但如果还是闪退请手动确认下相关权限是否允许。

Android

从界面中选择需要测试的模型。

iOS

从界面中选择需要测试的模型。

模型

model android iOS from other
YOLOv5s yes yes Github NCNN
NanoDet yes yes Github NCNN MNN

iOS:

  • 如果缺少模型请从 "android_TNN_Demo\app\src\main\assets" 复制 .tnnproto 和 .tnnmodel 文件到 "iOS_TNN_Demo\TNNDemo\res" 下。
  • iOS如果opencv2.framework有用到也需要重新下载并替换到工程。
  • iOS默认使用的库为scripts/build_ios.sh编译生成。

Android:

  • 由于手机性能、图像尺寸等因素导致FPS在不同手机上相差比较大。该项目主要测试TNN框架的使用,具体模型的转换可以去TNN官方查看转换教程。
  • 由于opencv库太大只保留 arm64-v8a/armeabi-v7a 有需要其它版本的自己去官方下载。
  • AS版本不一样可能编译会有各种问题,如果编译错误无法解决、建议使用AS4.0以上版本尝试一下。

由于TNN官方还处于开发阶段,不同时间版本可能会出现功能异常或速度差距比较大都是正常的(当前版本功能正常,但速度变慢了)。

懒人本地转换(不会上传模型): xxxx -> tnn

轻量级OpenCV:opencv-mobile

🎨 截图

Android iOS

Android

YOLOv5s NanoDet

iOS

YOLOv5s NanoDet

感谢: