【ncnn android】算法移植（九）——DBface android移植

这里主要记录将DBface移植到android平台上的记录。

1. requirements

192.7142，android studio的版本
ndk的版本为：~~19.2.5345600是不行的~~，21.1.6352462

2. 其他

android安装apk的时候，“安装异常”
在"project"—“android”----“Gradle Scripts”—"gradle.properties"中加入一句android.injected.testOnly=false
项目中cmake文件的写法

cmake_minimum_required(VERSION 3.4.1)#include头文件目录include_directories(include)// ncnn的头文件#source directory源文件目录file(GLOB MTCNN_SRC *.h *.cpp *.c)// 项目源文件set(MTCNN_COMPILE_CODE ${MTCNN_SRC})#添加ncnn库add_library(libncnn STATIC IMPORTED )set_target_properties(libncnn        PROPERTIES IMPORTED_LOCATION        ${CMAKE_SOURCE_DIR}/../jniLibs/${ANDROID_ABI}/libncnn.a)#编译为动态库add_library(mtcnn SHARED ${MTCNN_COMPILE_CODE})// java中用mtcnn库就可以调用jni函数了#添加工程所依赖的库find_library(  log-lib log )target_link_libraries( mtcnn        libncnn        android        jnigraphics        z        ${log-lib} )

在jni.cpp中需要将模型声明为static
static DBface *dBface;或者static ncnn::Net model
android项目build.gradle的写法

apply plugin: 'com.android.application'android {    compileSdkVersion 29    buildToolsVersion "29.0.3"    defaultConfig {        applicationId "com.example.ncnntest1"        minSdkVersion 21        targetSdkVersion 29        versionCode 1        versionName "1.0"        testInstrumentationRunner "androidx.test.runner.AndroidJUnitRunner"        externalNativeBuild {            cmake {                arguments "-DANDROID_TOOLCHAIN=clang"                cFlags "-fopenmp -O2 -fvisibility=hidden -fomit-frame-pointer -fstrict-aliasing -ffunction-sections -fdata-sections -ffast-math "                cppFlags "-fopenmp -O2 -fvisibility=hidden -fvisibility-inlines-hidden -fomit-frame-pointer -fstrict-aliasing -ffunction-sections -fdata-sections -ffast-math "                arguments "-DANDROID_STL=c++_shared", "-DANDROID_CPP_FEATURES=rtti exceptions"                cppFlags ""                cppFlags "-std=c++14"                cppFlags "-frtti"                cppFlags "-fexceptions"            }        }        ndk {            abiFilters 'armeabi-v7a'// , 'arm64-v8a' //,'x86', 'x86_64', 'armeabi'            stl "gnustl_static"        }    }    buildTypes {        release {            minifyEnabled false            proguardFiles getDefaultProguardFile('proguard-android-optimize.txt'), 'proguard-rules.pro'        }    }    externalNativeBuild {        cmake {            path "src/main/cpp/CMakeLists.txt"            version "3.10.2"        }    }}dependencies {    implementation fileTree(dir: 'libs', include: ['*.jar'])    implementation 'androidx.appcompat:appcompat:1.1.0'    implementation 'androidx.constraintlayout:constraintlayout:1.1.3'    testImplementation 'junit:junit:4.12'    androidTestImplementation 'androidx.test.ext:junit:1.1.1'    androidTestImplementation 'androidx.test.espresso:espresso-core:3.2.0'}

ndk设置了处理器的内核类型。'armeabi-v7a'

改app的名字
在写c++推理代码的时候，注意入口参数为ncnn::Mat，不要用cv::Mat。所以需要在调用前把数据整理好。
看很多ncnn android例子都是在java中读取模型之后传入c++。而官方的例子，是在c++中载入模型，这样更有利于前后端分离。

1. requirements

2. 其他

更多相关文章

随机推荐