https://github.com/lwplw

這篇打算就直入主題了，YOLO是什麼、DarkNet是什麼、Caffe是什麼、NCNN又是什麼…等等這一系列的基礎科普這裡就完全不說了，牽扯實在太多，通過其他帖子有一定的積累後，看這篇就相對容易了。

本文核心：把一個目標檢測模型跑到手機上

下面開工：

1、訓練得到一個目標檢測模型

目前可以做目標檢測的模型有很多，比如R-CNN、Fast R-CNN、Faster R-CNN、SSD、MobileNet-SSD、Mask R-CNN、YOLOv1、YOLOv2、YOLOv3等等。

本文選擇的是YOLOv2_tiny，原因有YOLO快，簡單比較好用，而且DarkNet的原始碼去看看還是比較有意思的，這裡使用的是YOLOv2的tiny版本，網路更小一些，畢竟我們最終是要跑在手機上，嵌入式終端設別就那麼點硬體資源。

具體怎麼做，看我這篇帖子：Caffe–實現YOLOv2目標檢測 https://blog.csdn.net/lwplwf/article/details/83011667
一些實現細節，原始碼，指令碼等我都準備好了，按帖子裡直接下載用就行，我自己也重新下載試了一遍，沒問題，有問題的話評論區喊我。

接下來要把訓練好的yolo_tiny的目標檢測模型跑到手機上的話，可以有兩種實現方式：

1. 在Android Studio上呼叫OpenCV庫，編譯生成APK，然後裝到手機上。這裡是通過OpenCV的DNN模組來載入的我們訓練好的yolo_tiny模型。
2. 在Android Studio上呼叫編譯出來的NCNN庫，然後編譯生成APK，裝到手機上，也就是在手機上直接跑NCNN了。在Android Studio上呼叫編譯出來的NCNN庫，然後編譯生成APK，裝到手機上，也就是在手機上直接跑NCNN了。

2、模型通過OpenCV跑到手機上

稍等啊，近期會補充0.0

3、模型通過NCNN跑到手機上

在1中，我們訓練得到了DarkNet框架下的.cfg模型結構檔案和.weights模型權重檔案，然後轉換為了Caffe框架下的.prototxt模型結構檔案和.caffemodel模型權重檔案。

（1）安裝編譯ncnn（Ubuntu16.04）

下載ncnn：

git clone https://github.com/Tencent/ncnn

進入ncnn根目錄，執行命令：

mkdir -p build
cd build
cmake ..

make -j8
 

（2）將caffemodel和prototxt轉換為param和bin

NCNN框架中網路定義檔案為.param檔案，權值檔案為.bin檔案，可以通過NCNN中自帶的工具進行轉換。

1）將1階段得到的yolov2_tiny_3.prototxt和yolov2_tiny_3.caffemodel兩個檔案放到ncnn-master/build/tools/caffe目錄下。
2）需要修改一下yolov2_tiny_3.prototxt檔案
將最後一層

layer {
  name: "region1"
  type: "Region"
  bottom: "layer15-conv"
  top: "region1"
  region_param {
    classes: 3
    coords: 4
    boxes_of_each_grid: 5
    softmax: true
  }
}

修改為：

layer {
  name: "detection_out"
  type: "YoloDetectionOutput"
  bottom: "layer15-conv"
  top: "detection_out"
  include {
	phase: TEST
  }
  yolo_detection_output_param {
    num_classes: 3
    coords: 4
    confidence_threshold: 0.3
	nms_threshold: 0.45

    biases: 1.08
    biases: 1.19
    biases: 3.42
    biases: 4.41
    biases: 6.63
    biases: 11.38
    biases: 9.42
    biases: 5.11
    biases: 16.62
    biases: 10.52
  }
}

終端進入該目錄執行命令：

./caffe2ncnn yolov2_tiny_3.prototxt yolov2_tiny_3.caffemodel yolov2_tiny_3.param yolov2_tiny_3.bin

轉換得到的兩個檔案我放到網盤了，需要自取：
連結: https://pan.baidu.com/s/1A9dQzpbf08-VFxHZ0rRQUg 提取碼: 5bur

（3）NCNN進行檢測
https://github.com/lwplw/ncnn_test
修改NCNN根目錄下CMakeLists.txt 檔案
取消註釋add_subdirectory(examples)

NCNN根目錄下執行命令重新編譯：
（以後修改NCNN原始碼後，都需要重新編譯）

 cd build
 cmake ..
 make -j8

將之前生成的yolov2_tiny_3.param和yolov2_tiny_3.bin放到build/examples目錄下。
終端進入該目錄執行命令：

./yolov2 111.jpg 

（4）將NCNN跑到手機上
其實也可以選擇在手機上跑OpenCV，然後使用OpenCV的dnn模組呼叫DarkNet，這樣連Caffe都不需要經過，可是…太慢了…

後面的我休息下再寫！！！