ubuntu18.04+OpenCV4.2+Darknet2NCNN将yolov3模型转换为ncnn模型

一、下载darknet2ncnn

可以直接去官网下载，如果配置了gitee，也可以用命令

git clone https://github.com/xiangweizeng/darknet2ncnn.git

二、编译电脑端模型并测试

1.根据官网教程来，初始化，我未配置git所以跳过了：

cd darknet2ncnn
git submodule init
git submodule update

2.darknet2ncnn解压后，根目录下有darknet、ncnn两个文件夹，里面是空的，需要自己下载darknet和ncnn放进去

3.构建 darknet

cd darknet2
make -j8
rm libdarknet.so

4.构建 ncnn

# workspace darknet2ncnn
cd ncnn
mkdir build
cd build
cmake ..
make -j8
make install
cd ../../

5.构建 darknet2ncnn , convert_verify and libdarknet2ncnn.a

# workspace darknet2ncnn
make -j8

6.yolov3-tiny模型转换及验证

make yolov3-tiny.net 

转换结果，ncnn模型需要的网络和权重文件的格式：

./darknet2ncnn data/yolov3-tiny.cfg  data/yolov3-tiny.weights example/zoo/yolov3-tiny.param  example/zoo/yolov3-tiny.bin 

7.构建 example

#workspace darknet2ncnn
cd example
make -j4

注意，可能会报错：

A：因为CV_LOAD_IMAGE_COLOR在OpenCV4版本命名为：IMREAD_COLOR
修改方法：将错误参数替换为：cv::IMREAD_COLOR

B：CV_FILLED，这个参数可以控制输出图片识别结果标识的边框，未找到应该替换成什么枚举值，所以我直接改成参数：1 了

8.运行yolov3-tiny

#workspace example
make yolov3-tiny.coco

9.最终结果如下：

三、编译Android端NCNN库文件，前提条件：已经配置了Android的SDK

官网编译教程

1.进入NCNN执行：mkdir -p build-android-arm64-v8a

根据你自己调试用的手机去选择编译的版本：‘arm64-v8a’,‘armeabi-v7a’,‘x86’,‘x86_64’

2.进入你新建的目录：cd build-android-arm64-v8a

3.编译：
cmake -DCMAKE_TOOLCHAIN_FILE=/home/zhx/Android/Sdk/ndk/21.0.6113669/build/cmake/android.toolchain.cmake -DANDROID_ABI="arm64-v8a" -DANDROID_ARM_NEON=ON ..

4.编译：

make -j4

make install

在build-android-arm64-v8a文件夹下生成了install文件夹，它就是移植到Android端需要的库文件