/lwplw
这篇打算就直入主题了，YOLO是什么、DarkNet是什么、Caffe是什么、NCNN又是什么…等等这一系列的基础科普这里就完全不说了，牵扯实在太多，通过其他帖子有一定的积累后，看这篇就相对容易了。
本文核心：把一个目标检测模型跑到手机上
下面开工：
1、训练得到一个目标检测模型
目前可以做目标检测的模型有很多，比如R-CNN、Fast R-CNN、Faster R-CNN、SSD、MobileNet-SSD、Mask R-CNN、YOLOv1、YOLOv2、YOLOv3等等。
本文选择的是YOLOv2_tiny，原因有YOLO快，简单比较好用，而且DarkNet的源码去看看还是比较有意思的，这里使用的是YOLOv2的tiny版本，网络更小一些，毕竟我们最终是要跑在手机上，嵌入式终端设别就那么点硬件资源。
具体怎么做，看我这篇帖子：Caffe–实现YOLOv2目标检测/lwplwf/article/details/83011667
一些实现细节，源码，脚本等我都准备好了，按帖子里直接下载用就行，我自己也重新下载试了一遍，没问题，有问题的话评论区喊我。
接下来要把训练好的yolo_tiny的目标检测模型跑到手机上的话，可以有两种实现方式：
在Android Studio上调用OpenCV库，编译生成APK，然后装到手机上。这里是通过OpenCV的DNN模块来加载的我们训练好的yolo_tiny模型。在Android Studio上调用编译出来的NCNN库，然后编译生成APK，装到手机上，也就是在手机上直接跑NCNN了。
2、模型通过OpenCV跑到手机上
稍等啊，近期会补充0.0
3、模型通过NCNN跑到手机上
在1中，我们训练得到了DarkNet框架下的.cfg模型结构文件和.weights模型权重文件，然后转换为了Caffe框架下的.prototxt模型结构文件和.caffemodel模型权重文件。
（1）安装编译ncnn（Ubuntu16.04）
下载ncnn：
git clone /Tencent/ncnn
进入ncnn根目录，执行命令：
mkdir -p buildcd buildcmake ..
make -j8
（2）将caffemodel和prototxt转换为param和bin
NCNN框架中网络定义文件为.param文件，权值文件为.bin文件，可以通过NCNN中自带的工具进行转换。
1）将1阶段得到的yolov2_tiny_3.prototxt和yolov2_tiny_3.caffemodel两个文件放到ncnn-master/build/tools/caffe目录下。
2）需要修改一下yolov2_tiny_3.prototxt文件
将最后一层
layer {name: "region1"type: "Region"bottom: "layer15-conv"top: "region1"region_param {classes: 3coords: 4boxes_of_each_grid: 5softmax: true}}
修改为：
layer {name: "detection_out"type: "YoloDetectionOutput"bottom: "layer15-conv"top: "detection_out"include {phase: TEST}yolo_detection_output_param {num_classes: 3coords: 4confidence_threshold: 0.3nms_threshold: 0.45biases: 1.08biases: 1.19biases: 3.42biases: 4.41biases: 6.63biases: 11.38biases: 9.42biases: 5.11biases: 16.62biases: 10.52}}
终端进入该目录执行命令：
./caffe2ncnn yolov2_tiny_3.prototxt yolov2_tiny_3.caffemodel yolov2_tiny_3.param yolov2_tiny_3.bin
转换得到的两个文件我放到网盘了，需要自取：
链接: /s/1A9dQzpbf08-VFxHZ0rRQUg 提取码: 5bur
（3）NCNN进行检测
/lwplw/ncnn_test
修改NCNN根目录下CMakeLists.txt文件
取消注释add_subdirectory(examples)
NCNN根目录下执行命令重新编译：
（以后修改NCNN源码后，都需要重新编译）
cd buildcmake ..make -j8
将之前生成的yolov2_tiny_3.param和yolov2_tiny_3.bin放到build/examples目录下。
终端进入该目录执行命令：
./yolov2 111.jpg
（4）将NCNN跑到手机上
其实也可以选择在手机上跑OpenCV，然后使用OpenCV的dnn模块调用DarkNet，这样连Caffe都不需要经过，可是…太慢了…
后面的我休息下再写！！！
