基于RKNN的YOLOv5安卓Demo

1.简介

基于RKNPU2 SDK 1.6.0版的安卓YOLOv5演示应用程序，选择图片进行对象检测并显示识别结果。

GitHub源码地址：https://github.com/shiyinghan/rknn-android-yolov5

2.实现过程

参考RKNN官方库RKNN Model Zoo提供的YOLOv5对象检测demo，该demo是二进制的可执行程序，没有整合成app，但是代码结构比较清晰，整合成安卓应用，可以熟悉一下流程。

App相关的功能，例如加载asset下面的rknn模型文件等，参考了ncnn-android-yolov5软件库。

调用模型推理和后处理逻辑参考rknn_model_zoo/examples/yolov5/cpp下面的demo源码。

3.运行效果

先选择图片，然后点击识别，效果如下：

4.注意事项

运行该demo之前需要保证开发板端已经配置好了RKNN环境，/vendor/bin/rknn_server和/vendor/lib64/librknnrt.so的版本都是1.6.0。

RKNN官方已经有使用摄像头的实时数据进行yolov5对象检测并显示识别结果的demo，有需要的可以直接参考rknn_yolov5_android_apk_demo。

5.关于零拷贝API

相比于通用API，官方更推荐零拷贝API，在代码里面可以直接设置是否使用零拷贝API，代码如下：

在RK3568开发板上面实际测试之后发现，零拷贝API相对于通用API，在单线程的实现逻辑下面，运行量化模型可以快1ms左右，优势并不大。而如果运行非量化模型，零拷贝API甚至可能比通用API更慢。究其原因，可能是因为零拷贝API只是减少一次内存拷贝，而一些操作（比如数据的归一化、量化、反量化等）本来运行在CPU上面，使用零拷贝API会导致这些操作运行在NPU上面。相比于CPU，NPU除了推理，其他操作并不一定有优势。

当然如果想要充分利用NPU，CPU更多的用作其他用途的话，还是推荐使用零拷贝API的。在RK3568开发板上面，运行于多线程模型下，通用API的NPU使用率最多95%，而零拷贝API的NPU使用率则可以达到99%。

6.参考

rknn_model_zoo
ncnn-android-yolov5