背景： ncnn yolo demo源码里面使用的模型是yolov5s_6.0。在手机上运行检测正常，但是速度稍慢，打算更换模型为yolo5n6，遇到的问它再此记录
问题1：yolo模型转ncnn模型
-
进入虚拟环境
conda activate yolo5 -
安装onnx
pip install onnx
pip install onnx-simplifier -
运行export.py
python export.py --weights yolo5n6.pt --img 640 640 --batch 1 --train --simplify --include onnx
python -m onnxsim yolo5n6.onnx yolo5n6-sim.onnx -
在线ncnn转换：https://convertmodel.com/#outputFormat=ncnn
问题2：yolo5n6.param参数修改
- 把所有Resharp层的 0=-1，使输出的BBOX可以自适应
- yolov5.cpp 每一层的参数需要与模型的anchors对应
- yolov5只处理了3个anchors，v6版本有4个
4.yolov5.cpp stride 8、16、32的层名字，要对应修改
ex.extract(blob_name, out);
我这边暂时按照原来3层输出的代码，丢弃了strip64的输出，检测正常。
但是准确率确实比v5s要差些。
后续研究strip64参数作用，修改代码增加strip64层输出，看效果是否有改善
请看下集
