Nanodet

深度学习目标检测已经发展了许多年，从Two-stage到One-stage，从Anchor-base到Anchor-free，再到今年的用Transformer做目标检测，各种方法百花齐放，但是在移动端目标检测算法上，yolo系列和SSD等Anchor-base的模型一直占据着主导地位。这个项目的主要目的是希望能够开源一个移动端实时的Anchor-free检测模型，能够提供不亚于yolo系列的性能，而且同样方便训练和移植。 看了大佬的文章介绍，整个项目主要是基于轻量级，Anchor-free。网络模型选择的是ShuffleNetV2，可以对其他轻量级模型进行尝试（MobileNet系列，GhostNet，还有最近的EfficientNet）其实自己魔改一个也不错。 其次是损失函数，基于FCOS的轻量化（centerness分支在轻量级的模型上很难收敛） 解决：GFocalLoss完美去掉了FCOS系列的Centerness分支，而且在coco数据集上涨点显著。GFL的出现不仅去掉了难以训练的Centerness，而且还省去了这一分支上的大量卷积，减少了检测头的计算开销，非常适合移动端的轻量化部署。 目前也新出了GFLV2，应该对模型还有提升。还有ATSS，对于正负样本的选择，也比较影响在实时端的推理速度。

本人训练了一下其它数据集，发现效果也不错。 在此记录一下实际安卓操作步骤。 借鉴：https://github.com/nihui/ncnn-android-benchmark 致敬：https://github.com/RangiLyu/nanodet

首先第一步下载ncnn-android-vulkan.zip

链接：https://github.com/Tencent/ncnn/releases *android 静态库/动态库，支持 GPU

打开下载包，将这四个文件复制到nihui大佬项目的appsrcmainjni下 并更改你的CMakeLists.txt文件 主要是更改ncnn_DIR路径，将对应的ncnn版本更改为你下载的ncnn-android-vulkan.zip版本

project(nanodetncnn)

cmake_minimum_required(VERSION 3.10)

set(OpenCV_DIR ${
          
   CMAKE_SOURCE_DIR}/opencv-mobile-4.5.1-android/sdk/native/jni)
find_package(OpenCV REQUIRED core imgproc)

set(ncnn_DIR ${
          
   CMAKE_SOURCE_DIR}/202107202c4ae09/${
          
   ANDROID_ABI}/lib/cmake/ncnn)
find_package(ncnn REQUIRED)

add_library(nanodetncnn SHARED nanodetncnn.cpp nanodet.cpp ndkcamera.cpp)

target_link_libraries(nanodetncnn ncnn ${
          
   OpenCV_LIBS} camera2ndk mediandk)

准备Android Studio 一路next

然后设置Android SDK 主要是勾选安卓版本 我的Android Studio是2019的 这里最多选择Android10.0 选择cmke NDK 务必选择上 不然无法编译。

在编译过程中可能出现问题：

这里推荐一个万能解决方法（但是很费时间）： 打开C:UsersAdmin 删除**.gradle**文件 即可重新编译。 NDK路径设置： 即可打开原本项目进行编译 激动人心的时刻。 将安卓手机连接电脑，将手机设置为开发者模式，并打开USB调试 启动项目，等待安装。 手机里面出现nanodetncnn，完成！！！！ 跑的基本模型，cpuFPS可以达到25左右，可以说效果非常不错。 接下来打算训练自己的数据集，也可以尝试下其他backbone或者方法，并进行ncnn推理移植到移动端，后续更新！！！