I. 介绍
本项目将Yolo-v3的源代码在android studio进行开发编译并且部署到android手机上，实现利用手机硬件平台完成对Yolo-v3网络的调用．项目以Yolo-v3-tiny为例子进行开发，其他相关网络可以通过Darknet网站下载权重文件进行复现．
II. 开发环境
OS: Ubuntu 16.04
Android Studio: 3.1.3
Mobile Phone: Xiaomi MI 8
相关教程：
请自行查阅教程完成Android Studio安装以及NDK, SDK等相关开发环境的配置．
III. 项目构建
3.1 源码导入
在Andorid Studio构建一个支持C语言的项目，然后从Darknet下载源代码．
在项目工程的cpp文件夹下新建darknet文件夹，将下载的源码中的example, include, src三个文件夹复制到android工程中．
3.2 源码修改
3.2.1 include文件夹
include文件夹下放置的是darknet的头文件，在头文件开头添加log调试功能．
3.2.2 src文件夹
src文件夹放置darknet源码，首先删除其中的compare.c文件(compare.c无头文件，对整个库的编译不起作用．如果不删除，在编译时compare.c会出现指针问题，无法通过编译)．然后修改image.c文件，将232行的load_alphabet()函数中的labels路径改为sdcard/yolo/data/labels(这是随后将在手机上放置文件的绝对路径，不做修改的话真机测试时将出现无法导入labels的问题，导致出现闪退现象)．
3.2 Cmake文件配置
关于Cmake的格式和用法，请参考：
本项目中Cmake配置信息请参考代码中CMakeLists.txt文件．
3.3 asserts文件夹配置
将darknet源码中的cfg,data文件放置在项目的assert文件夹下．
从官网下载YOLOV3-tiny权重文件并放置在weights文件夹下．
3.4 JNI接口配置
关于在Android Studio 3中如何构建JNI项目，请参考Android Jni/NDK 开发入门详解.
本项目主要修改darknetlib.c文件，其中图片测试代码摘自darknet/examples/dector.c Line562~Line626的官方代码示例．详细信息请参考项目代码及注释．
其中datacfg_str和name_list = "/sdcard/yolo/data/coco.names"，是因为项目所使用的预训练模型来自于官网,其中yolo-v3-tiny是用coco训练集训练出的80分类模型，因此name_list需要和预训练模型保持一致．
cfgfile_str和weightfile_str放置cfg文件和weight文件的地址，根据下载的文件位置保持一致即可．
3.5 Java配置
对java文件夹下Yolo.java进行修改，完成相关配置．
IV. 项目运行
在小米8上运行项目，在android studio 3的logcat中可以看到读入的文件信息，以及Yolo-v3-tiny网络的配置．
logcat会打印出预测出的物体名称，概率及处理时间．
在不同的图片上测试，使用手机cpu处理约为一张图耗时0.8s．
参考
项目参考Darknet yolo 在 android studio上的移植和实现，原博主实现的是Yolo-v2的移植，本项目进行修改后实现Yolo-v3版本代码的Android端复现．