跳到主要内容

YOLO函数

说明​

yolov8Api.newYolov8 初始化yolov8实例​

  • 初始化yolov8实例
  • 适配EC 7.8.0+
  • @return Yolov8Util 对象
function main() {
    yolov8Api.releaseAll()
    // 初始化YOLO实例
    let yolov8s = yolov8Api.newYolov8();
    // 初始化配置选项
    let config = yolov8s.getDefaultConfig("yolov8s-640", 640, 0.25, 0.35, "ALL", 0, [
        "aixin",
        "pinglun"
    ])
    // 设置占用CPU线程数量，越小 占用CPU越少，不设置默认是4，建议设置为1或者2
    config["num_thread"] = 1;
    
    logd("config : " + JSON.stringify(config))
    // 初始化 训练过的模型
    let paramPath = "c:/model.ncnn.param";
    let binPath = "c:/model.ncnn.bin";
    let inted = yolov8s.initYoloModel(config, paramPath, binPath);
    if (inted) {
        logd("初始化yolov8s成功");
    } else {
        logd("初始化yolov8s失败: " + yolov8s.getErrorMsg());
        return;
    }
    let bitmap = image.readBitmap("c:/a.png");
    let result = yolov8s.detectBitmap(bitmap, []);
    // 或者用 
    let img = image.readImage("c:/a.png")
    let result2 = yolov8s.detectImage("c:/a.png", [])
    image.recycle(img);
    // 这个带参数的代表只过滤pinglun的分类数据
    //let result = yolov8s.detectBitmap(bitmap, ["pinglun"]);
    if (result == null || result == "") {
        logd("yolov8s 无结果: " + yolov8s.getErrorMsg());
    } else {
        logd("yolov8s 结果: " + result);
    }
    // 在需要的时候释放，不要用一次释放一次
    yolov8s.release();
}

main();

yolov8Api.releaseAll 释放所有yolov8实例​

  • 释放所有yolov8实例
  • 适配EC 9.0.0+
// 请看代码例子

yolov8Api.newYolov8Onxx 初始化yolov8 onnx 实例,支持多实例​

  • 初始化yolov8 onnx 实例
  • 适配EC 8.3.0+
  • @return Yolov8Util 实例对象
function main() {
    // 初始化YOLO实例
    yolov8Api.releaseAll()
    let yolov8s = yolov8Api.newYolov8Onxx();
    // 初始化配置选项
    let config = yolov8s.getOnnxConfig([
      "aixin",
      "pinglun"
    ], 640,640, 0.35, 0.55, 2 )
    logd("config : " + JSON.stringify(config))
    // 初始化 训练过的模型
    let paramPath = "c:/best.onnx";
    let inted = yolov8s.initYoloModel(config, paramPath, "");
    if (inted) {
        logd("初始化yolov8s成功");
    } else {
        logd("初始化yolov8s失败: " + yolov8s.getErrorMsg());
        return;
    }
    // 截图 img 格式
    let img = image.captureFullScreen()
    // 读取本地图片
    // let bitmap = image.readBitmap("/sdcard/a.png");
    let result = yolov8s.detectImage(img, []);
    // 这个带参数的代表只过滤pinglun的分类数据
    //let result = yolov8s.detectBitmap(bitmap, ["pinglun"]);
    if (result == null || result == "") {
        logd("yolov8s 无结果: " + yolov8s.getErrorMsg());
    } else {
        logd("yolov8s 结果: " + result);
    }
    if (img != null) {
        // 回收图片
        img.recycle();
    }
    // 在需要的时候释放，不要用一次释放一次
    yolov8s.release();
}

main();

Yolov8Util.getOnnxConfig ONNX的配置选项​

  • ONNX的配置选项
  • @param obj_names obj_names JSON数组，可以不写的情况下，onnx从模型中获取，训练的时候分类名称例如 ["star","common","face"]
  • @param input_width 训练的图片尺寸宽度，写0 就是onnx自己提取
  • @param input_height 训练的图片尺寸高度，写0 就是onnx自己提取
  • @param confThreshold 指在ONNX模型推理过程中用于确定检测目标的最小置信度阈值
  • @param iouThreshold 阈值在ONNX模型中用于确定检测框的重叠程度，通常用于非极大值抑制（NMS）过程中
  • @param numThread 线程数量 一般为cpu个数的一般，如果不知道 不写即可 为了避免CPU占用大，这个可以写1或者2即可
  • @return {JSON}
   代码例子请看 `初始化yolov8实例`

Yolov8Util.getDefaultConfig 获取 yolov8 默认配置​

  • 获取 yolov8 默认配置
  • 适配EC 7.8.0+
  • @param model_name 模型名称 默认写 yolov8s-640 即可
  • @param input_size yolov8训练时候的imgsz参数，默认写640即可
  • @param box_thr 检测框系数，默认写0.25即可
  • @param iou_thr 输出系数，，默认写0.35 即可
  • @param bind_cpu 是否绑定CPU，选项为ALL,BIG,LITTLE 三个,默认写ALL
  • @param use_vulkan_compute 是否启用硬件加速，1是，0否 默认写0即可
  • @param obj_names JSON数组，训练的时候分类名称例如 ["star","common","face"]
  • @return JSON数据
   代码例子请看 `初始化yolov8实例`

Yolov8Util.initYoloModel 初始化yolov8模型​

  • 初始化yolov8模型
  • 具体如何生成param和bin文件，请参考文件的yolo使用章节，通过yolo的pt转成ncnn的param、bin文件,
  • 对于onnx模型，binPath参数写null即可，paramPath是onnx文件路径
  • 适配EC 7.8.0+
  • @param map 参数表 参考 getDefaultConfig函数获取默认的参数，onnx参考getOnnxConfig函数
  • @param paramPath param文件路径
  • @param binPath bin文件路径
  • @return boolean true代表成功 false代表失败
   代码例子请看 `初始化yolov8实例`

Yolov8Util.detectBitmap 检测图片​

  • 检测图片
  • 适配EC 7.8.0+
  • 返回数据例如
  • [{"name":"heart","confidence":0.92,"left":957,"top":986,"right":1050,"bottom":1078}]
  • name: 代表是分类，confidence:代表可信度，left,top,right,bottom代表结果坐标选框
  • @param bitmap 安卓的bitmap对象
  • @param obj_names JSON数组，不写代表不过滤，写了代表只取填写的分类
  • @return string 字符串数据
   代码例子请看 `初始化yolov8实例`

Yolov8Util.detectImage 检测AutoImage​

  • 检测图片
  • 适配EC 7.8.0+
  • 返回数据例如
  • [{"name":"heart","confidence":0.92,"left":957,"top":986,"right":1050,"bottom":1078}]
  • name: 代表是分类，confidence:代表可信度，left,top,right,bottom代表结果坐标选框
  • @param image AutoImage对象
  • @param obj_names JSON数组，不写代表不过滤，写了代表只取填写的分类
  • @return string 字符串数据
   代码例子请看 `初始化yolov8实例`

Yolov8Util.release 释放yolov8资源​

  • 释放yolov8资源
  • 适配EC 7.8.0+
  • @return boolean
   代码例子请看 `初始化yolov8实例`
   释放函数在脚本结束的的时候释放，无需要每次使用都释放

Yolov8Util.getErrorMsg 获取YOLOV8错误消息​

  • 获取YOLOV8错误消息
  • 适配EC 7.8.0+
  • @return string 字符串
   代码例子请看 `初始化yolov8实例`