百度AI达人创造营

• 课程设计

本节课你可以学习到以下的内容：从0到1全流程部署口罩检测模型：从自定义数据集、数据集划分、模型训练、模型导出、安卓端部署，实现一个自己的安卓demo。

• 开始上课

一、 项目简介

1、该项目使用Labelimg进行数据标注，自定义数据集；
2、使用Paddlex将数据集划分为训练集、测试集；
3、使用PaddleDetection目标检测套件训练模型；
4、最后导出模型，通过PaddleLite生成.nb文件，部署到手机上；
5、安卓部署详细操作；
（1）配置系统环境
（2）下载PaddleLite-dome
（3）下载Android Studio开发环境并配置软件环境
（4）dome调试
（5）根据dome，加入自己的模型，修改配置，实现自己的dome，并调试
（6）将APP打包成可安装程序.apk文件
二 、数据标注

数据标注在前面的第二节课中已经讲过了。https://aistudio.baidu.com/paddle/forum/topic/show/989679

三 、paddlex划分数据集

利用paddle X划分数据集：

!paddlex --split_dataset --format VOC --dataset_dir masks/VOC_MASK --val_value 0.2 --test_value 0.1

四 PaddleDetection目标检测套件使用，进行模型的创建、训练、导出

1、PaddleDetection下载、配置、数据集文件的处理

2、修改模型文件

这里在第三节课程中讲过了，并且为第三次作业中练习过。

https://aistudio.baidu.com/paddle/forum/topic/show/989786

3、模型训练

4、模型预测效果展示

5、模型导出

!python tools/export_model.py -c configs/ssd/ssd_mobilenet_v1_300_120e_voc.yml -o weights=output/ssd_mobilenet_v1_300_120e_voc/best_model.pdparams --output_dir ./inference

五、PaddleLite生成.nb模型文件

PaddleLite文档

https://paddle-lite.readthedocs.io/zh/latest/demo_guides/android_app_demo.html

六、安卓端部署

1、准备Android Studio开发环境（安装系统为Ubuntu 64-bit，Win用户可以安装虚拟机进行操作）

2、导入Paddle-Lite-Demo

3、配置SDK和NDK

4、模型和标签的拷贝

5、修改项目文件

6、准备手机

7、效果展示

8、apk打包

七、总结

本次部署选择object_detection_demo是考虑到有的小伙伴想做其它方面的检测，给大家介绍一个通用的检测demo，若专门做口罩检测可选择mask_detection_demo。