Advertisement

基于yolov9 ncnn模型部署到android源码+模型并附带项目说明.zip

  • 5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：ZIP

简介：
精品 精品 精品 该系统采用NCNN架构的YOLoV5模型，并整合于Android源代码中，包含模型文件及项目详细说明的压缩包【精品 精品

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 基于C++和cmake的目标检测项目：部署yolov9 onnx模型
    优质
    本项目采用C++和CMake构建，专注于将YOLOv9 ONNX模型高效地部署于各类平台。通过优化代码与配置，实现目标检测应用的快速开发及灵活部署。 【测试环境】vs2019 opencv==4.9.0 cmake==3.24.3 测试发现opencv 4.7.0不支持，必须对应opencv版本，注意源码只有检测图片功能，这个代码只是演示如何推理，如果需要推理视频需要自己加读取视频功能【博客地址】blog..net/FL1623863129/article/details/136433307 【演示视频】bilibili.com/video/BV1Wt421t79e/ 去掉链接后的信息如下： 测试环境为vs2019，opencv版本为4.9.0和cmake 3.24.3。在测试中发现，opencv 4.7.0不被支持，必须使用对应的opencv版本。需要注意的是源码仅包含检测图片的功能，该代码主要用于展示如何进行推理操作；若需要对视频进行推理，则需自行添加读取视频的相关功能。 演示内容发布于博客和B站，请前往查看详细信息与演示视频。
  • AR火箭模型项目,附带源码、APK和说明书
    优质
    本项目提供一款增强现实(AR)火箭模型应用，内含详细源代码、可直接安装的APK文件及操作指南，适合科技爱好者与教育用途。 2018年2月11日版本,向上兼容.内容包含apk、识别图、文字介绍以及源码.火箭模型可以使用,效果很不错。
  • PaddleOCR系列——训练模型并在Android手机上部署，附带源代码
    优质
    本教程详细介绍了使用PaddleOCR进行文本检测与识别模型训练，并指导如何将训练好的模型成功部署到Android设备的过程，同时提供完整源代码供读者参考和实践。 PaddleOCR系列：训练模型并部署到Android手机 1. 训练PaddleOCR模型。 2. 将OCR模型部署至安卓手机。 相关文章可以参考《如何在Android设备上使用经过训练的PaddleOCR模型》。文中详细介绍了从训练模型到最终将该模型成功部署于移动平台的过程，为开发者提供了实用的技术指导和操作指南。
  • 基于NCNN-Android的YOLOv5部署（含源码和说明文档）.rar
    优质
    本资源包含使用NCNN库在Android平台部署YOLOv5模型的详细教程及源代码。提供全面的实现步骤与配置指南，适合开发者学习迁移学习项目。 资源内容包括基于ncnn-android部署yolov5的完整源码、详细说明文档以及相关数据集。 代码特点： - 参数化编程：参数可方便更改。 - 代码结构清晰，注释详尽。 适用对象为计算机科学、电子信息工程和数学等专业的大学生，适用于课程设计及毕业设计项目使用。 作者是一位资深算法工程师，在某大厂工作十年以上。擅长领域包括Matlab、Python、C/C++、Java编程以及YOLO目标检测算法仿真；具备丰富的计算机视觉技术应用经验，如目标检测模型开发、智能优化算法研究、神经网络预测建模和信号处理等，并涉及图像处理及智能控制等多个方向的算法仿真实验。欢迎与作者交流学习。
  • 用Python部署Yolov9目标检测ONNX模型的源代码
    优质
    这段源代码提供了使用Python将YOLOv9目标检测模型转换为ONNX格式并进行部署的方法，适用于需要高性能实时物体识别的应用场景。 【视频演示】https://www.bilibili.com/video/BV14C411x7NK/ 【测试环境】anaconda3+python3.8 torch==1.9.0 onnxruntime==1.16.2
  • 基于OpenVINO和OpenCV部署YOLOv5、YOLOv8、YOLOX模型（含源码及说明）.rar
    优质
    本资源提供使用OpenVINO与OpenCV在CPU环境下高效部署YOLO系列目标检测模型(YOLOv5, YOLOv8, YOLOX)的完整解决方案，包括详细文档和代码。 资源内容：基于Openvino和Opencv部署YOLOv5、YOLOv8、YOLOx模型（源码+说明）.rar 适用人群：计算机、电子信息工程、数学等专业的学习者，作为“参考资料”参考学习使用。 解压说明：本资源需要电脑端使用WinRAR、7zip等解压工具进行解压。如果没有这些工具，请自行搜索下载安装即可。 免责声明：本资源仅供作为“参考资料”，而非满足特定需求的定制代码。提供的源码只能用作参考，不能直接复制和粘贴使用。由于作者在大公司工作繁忙，无法提供答疑服务，因此不保证解决所有问题或功能修改的需求。如果不存在文件缺失的问题，请理解上述免责声明内容并自行解决问题。