🚀 编码不易，点个star！
移动端NCNN部署，项目支持YOLOv5s、YOLOv4-tiny、MobileNetV2-YOLOv3-nano、Simple-Pose、Yolact、ChineseOCR-lite、ENet与Landmark106模型，摄像头实时捕获视频流进行检测。
iOS:
- Xcode 11.5
- macOS 10.15.4
- iPhone 6sp 13.5.1
Android:
- Android Studio 4.0
- Win10 1909
- meizu 16x 8.1.0
部分代码参考自：sunnyden 的开源项目。 安卓已经增加权限申请，但如果还是闪退请手动确认下相关权限是否允许。
iOS
YOLOv5s: ViewController.mm->USE_YOLOV5 = YES;
YOLOv4-tiny: ViewController.mm->USE_YOLOV5 = NO;
YOLOv3-nano: Due to time constraints, you need to modify it yourself.
1. Copy 2 files from Android library: .param and .bin
2. Just modify the loading name of yolov4-tiny.
Android
Select the model to be tested directly on the interface.
模型
- YOLOv5s 输入尺寸减小，解码过程使用了大量的 for 循环与 NMS 表现出来会比较慢。
- YOLOv4-tiny 使用默认尺寸，解码过程没有大量的 for 与 NMS 所以速度会快些。
- YOLOv3-nano 与 v4-tiny 一样。
- Simple-Pose 暂时只写了安卓版本，iOS目前还没有增加。内部原理是先检测人再用人的区域再次进行姿态检测，即2步过程。
- Yolact 暂时只写了安卓版本，iOS目前还没有增加。
- ChineseOCR_lite 暂时只写了安卓版本，iOS目前还没有增加。(需要注意的是偶尔会发生崩溃现象，有空修复一下)
- ENet 暂时只写了安卓版本，iOS目前还没有增加。(由于模型太小所以分割效果比较差，可以自行更换更强的网络)
- Landmark106 暂时只写了安卓版本，iOS目前还没有增加。内部原理是先检测脸再用脸的区域再次进行关键点检测，即2步过程。
Note：
- 由于手机性能、图像尺寸等因素导致FPS在不同手机上相差比较大。该项目主要测试NCNN框架的使用，具体模型的转换可以去NCNN官方查看转换教程。
- 增加 Simple-Pose 模型时增加了opencv，由于库太大只保留 arm64-v8a/armeabi-v7a 有需要的自己去官方下载。
- ncnn暂时使用vulkan版本，在加载前需要打开加速，本项目中没有打开。如果要用ncnn版本需要修改CMakeLists.txt配置。
- AS版本不一样可能编译会有各种问题，如果编译错误无法解决、建议使用AS4.0以上版本尝试一下。
已知部分ncnn大佬网名：.... nihui qiuqiu
🎨 截图
