由于 yolov5 相关的 TensorFlow Lite 示例代码太少，而且都是旧版本的示例，导致我完全不知道怎么上手。 所以转投 pytorch mobile 的方案，主要是 facebook 官方的示例代码非常完整，且清晰明了，容易修改。
再就是国内 Android 手机普遍不能使用 google play 的服务，所以 TensorFlow lite 安装包小的优势也就没有了。至于性能，暂时没有要求，而且实测来看，pytorch mobile 的识别速度就非常快，几乎瞬间完成，没有做计时，估计也是几十毫秒的范围，已经很满意了。
识别效果
以识别照片中小麦穗数量为例：
导出 pytorch mobile 模型
在 Google Colab 的免费 GPU 服务器上执行：
!python export.py --weights /content/drive/MyDrive/yolo/wheat_head_best.pt --include torchscript --optimize
并不需要按照 pytorch mobile 官方文档中说的修改 export.py 的代码，因为最新的 yolov5 支持了 optimize 参数，自动转换为 torchscript lite 版本的模型。
if optimize: # https://pytorch.org/tutorials/recipes/mobile_interpreter.html
optimize_for_mobile(ts)._save_for_lite_interpreter(str(f), _extra_files=extra_files)
模型文件大小涨了一倍
https://discuss.pytorch.org/t/optimize-for-mobile-exports-are-double-the-size-of-normal-torchscript/128368
原来的 pt 模型只有 14M，但是转换后的 torchscript lite 版本却有 27M。暂时不纠结这个问题了，先在 Android 上跑通再说。
Lite Interpreter version number does not match
com.facebook.jni.CppException: Lite Interpreter version number does not match. The model version must be between 3 and 7 but the model version is 8 ()
1.10.0 升级到 1.13.1
implementation 'org.pytorch:pytorch_android_lite:1.13.1'
implementation 'org.pytorch:pytorch_android_torchvision_lite:1.13.1'
但是国内镜像好像更新慢，可以换成 1.13.0 版本。
目标标注原理
下层是一个 image view，上层是一个等宽高的 canvas，在其中标注方框， class name 及 conf 值。不过对于单种类识别，描述没啥用，我就去掉了。
java 与 koltin 混合开发初尝试
pytorch mobile demo 里用的是 java 实现的，但是我的工程是基于 kotlin 创建的。在复制功能模块时，我对 android studio 的自动代码转换还是不放心，于是就直接复制的 java 文件。 没想到 java 与 kotlin 文件间调用如丝般顺滑。
除了一处包内 array list type 的小问题，其他均正常工作。
pytorch mobile 对比 TensorFlow Lite
- tflite 毕竟是 Android 的亲儿子，模型导入非常方便，省去了手写代码导入的繁琐步骤。但是对应的概念也很多，metadata，tensor 对新手都不太友好。我感觉已经算是有一点基础了，依然觉得上手困难。而且在 github 中搜素关键代码，居然一行实际代码都没有。
- pytorch mobile 配合 yolov5 简直就是菜鸟神器，轻松上手。但是导出的 torchscript lite model 在 google colab 上无法验证，执行 detect.py 报错，不如 yolov5 tflite 模型方便验证。
Faster R-CNN 与 yolov5 对比
- Faster R-CNN 在准确率方面表现更出色，适合对精度要求高的场景
- yolov5 检测速度更快，适合对实时性要求高的场景
我感觉 yolov5 资料更多，且上手毫无门槛，更适合新手。
演示视频
参考
- 完整代码 1k star，有效果图 https://github.com/pytorch/android-demo-app/tree/master/ObjectDetection