YOLO函数

1
function main() {
2
    // 脚本执行之前 释放之前全部的yolo 防止资源占用
3
    yolov8Api.releaseAll();
4
    // 初始化YOLO实例
5
    let yolov8s = yolov8Api.newYolov8();
6
    // 初始化配置选项
7
    let config = yolov8s.getDefaultConfig("yolov8s-640", 640, 0.25, 0.35, "ALL", 0, [
8
        "aixin",
9
        "pinglun"
10
    ])
11
    // 设置占用CPU线程数量，越小 占用CPU越少，不设置默认是4，建议设置为1或者2
12
    config["num_thread"] = 1;
13
    logd("config : " + JSON.stringify(config))
14
    // 初始化 训练过的模型
15
    // 这里仅仅是是做演示的，例如把模型文件放到脚本的res目录
16
    // 运行的时候复制到手机的存储，进行使用  也可以从 网络下载
17
    let param = file.getSandBoxFilePath("model.ncnn.param")
18
    let bin = file.getSandBoxFilePath("model.ncnn.bin")
19
    let img1 = file.getSandBoxFilePath("1.png")
20
    let img2 = file.getSandBoxFilePath("2.png")
21
    saveResToFile("model.ncnn.param", param)
22
    saveResToFile("model.ncnn.bin", bin)
23
    // 模拟复制测试图片
24
    saveResToFile("1.png", img1)
25
    saveResToFile("2.png", img2)
26

27
    let inted = yolov8s.initYoloModel(config, param, bin);
28
    if (inted) {
29
        logd("初始化yolov8s成功");
30
    } else {
31
        logd("初始化yolov8s失败: " + yolov8s.getErrorMsg());
32
        return;
33
    }
34
    // 读图片
35
    let bitmap = image.readImage(img1);
36
    // 或者 开启自动化服务后  抓屏幕图片
37
    //let bitmap = image.captureFullScreenEx({type:1,quality:100})
38
    let result = yolov8s.detectImage(bitmap, []);
39
    // 或者用
40
    // let img = image.readImage("c:/a.png")
41
    // let result2 = yolov8s.detectImage("c:/a.png", [])
42
    image.recycle(bitmap);
43
    // 这个带参数的代表只过滤pinglun的分类数据
44
    //let result = yolov8s.detectBitmap(bitmap, ["pinglun"]);
45
    if (result == null || result == "") {
46
        logd("yolov8s 无结果: " + yolov8s.getErrorMsg());
47
    } else {
48
        logd("yolov8s 结果: " + result);
49
    }
50
    // 在需要的时候释放，不要用一次释放一次
51
    yolov8s.release();
52
}
53

54
main();

1
   代码例子请看 `初始化yolov8  实例`

1
function main() {
2
  // 脚本执行之前 释放之前全部的yolo 防止资源占用
3
  yolov8Api.releaseAll();
4
  // 初始化YOLO实例
5
  let yolov8s = yolov8Api.newYolov8Onxx();
6
  // 初始化配置选项
7
  let config = yolov8s.getOnnxConfig([
8
    "aixin",
9
    "pinglun"
10
  ], 0, 0, 0.35, 0.55, 2)
11
  config["debug"] = 0;
12
  logd("config : " + JSON.stringify(config))
13
  // 初始化 训练过的模型
14
  // 这里仅仅是是做演示的，例如把模型文件放到脚本的res目录
15
  // 运行的时候复制到手机的存储，进行使用  也可以从 网络下载
16
  let param = file.getSandBoxFilePath("best.onnx")
17

18
  let img1 = file.getSandBoxFilePath("1.jpg")
19

20
  saveResToFile("best.onnx", param)
21
  // 模拟复制测试图片
22
  saveResToFile("1.png", img1)
23

24

25
  let inted = yolov8s.initYoloModel(config, param, "");
26
  if (inted) {
27
    logd("初始化yolov8s onnx 成功");
28
  } else {
29
    logd("初始化yolov8s onnx 失败: " + yolov8s.getErrorMsg());
30
    return;
31
  }
32
  logd("img1 " + img1)
33
  // 读图片
34
  let imgx = image.readImage(img1);
35

36
  // 或者 开启自动化服务后  抓屏幕图片
37
  // let imgx = image.captureFullScreenEx({type:1,quality:100})
38
  logd("image " + imgx)
39
  for (var i = 0; i < 1; i++) {
40
    console.time("1")
41
    let result = yolov8s.detectImage(imgx, []);
42
    // 这个带参数的代表只过滤pinglun的分类数据
43
    //let result = yolov8s.detectBitmap(bitmap, ["pinglun"]);
44
    logd("本次耗时: " + console.timeEnd("1") + " ms")
45
    if (result == null || result == "") {
46
      logd("yolov8s 无结果: " + yolov8s.getErrorMsg());
47
    } else {
48
      logd("yolov8s 结果: " + result);
49
      result = JSON.parse(result)
50
      let size = result.length;
51
      for (let j = 0; j < size; j++) {
52
        let name = result[j]["name"];
53
        logd("name: " + name + " 坐标: " + result[j]["left"] + "," + result[j]["top"] + "," + result[j]["right"] + "," + result[j]["bottom"])
54
      }
55
    }
56

57
    sleep(1000)
58
  }
59
  image.recycle(imgx);
60
  // 在需要的时候释放，不要用一次释放一次
61
  yolov8s.release();
62
}
63

64
main();

1
   代码例子请看 `初始化yolov8 onnx 实例`

1
   代码例子请看 `初始化yolov8实例`

1
   代码例子请看 `初始化yolov8实例`

1
   代码例子请看 `初始化yolov8实例`

1
   代码例子请看 `初始化yolov8实例`
2
   释放函数在脚本结束的的时候释放，无需要每次使用都释放

1
   代码例子请看 `初始化yolov8实例`