项目简介:
在安卓端部署 上游:目标检测 下游:21关键点回归 手势识别
责任描述:独立完成算法的开发训练部署
1. 使用YoloV5-lites 训练手掌检测器 0.5mAP 0.9
2. 使用mediapipe-hand作为关键点回归器 将backbone的输出anchor尺度调整
3. 使用逻辑回归识别手势模式 准确率98%,使用决策树完成 静态手势识别 分类准确率97%
4. Pt转onnx转ncnn,使用Ncnn框架完成yolo模型的量化,并修改结构适配输入输出 模型大小 6M(原始)->3M(fp16)->1.6M(int8) 推理速度10fps->20fps->23fps
5. 使用c++完成Android端模型部署,以及业务逻辑
6. Android Native层完成性能优化,so包部署