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
实现飞桨框架深度学习模型从0到1的全流程。
二 数据标注
个人建议安装Anaconda便于对包环境的管理，在Anaconda环境中安装Labelimg（b站有这类教学视频，若还有不明白的地方可评论区解答）
下面讲解安装成功后操作流程
1 新建数据集文件夹：JPEGImages文件存放事先准备好的图片，Annotations文件存放xml标注文件（未标注时此文件为空）

2 打开Labelimg：点击Change Save Dir找到刚刚创建的Annotations文件；点击Open Dir找到JPEGImages文件；快捷键按D，拖拽选中区域，并在弹框内打标签；点击Next Image对下一张图片进行标注（此时会弹出是否保存的提示框，可勾选View->Auto Save mode，默认将每张图片标注完后自动保存）

3 上述步骤完成后，Annotations文件中会产生一堆xml文件，格式如下，

4 最后将文件压缩上传到aistudio
三 paddlex划分数据集
val_list.txt 验证集列表
test_list.txt 测试集列表
labels.txt 标签列表
train_list.txt 训练集列表
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
修改模型主文件ssd_mobilenet_v1_300_120e_voc.yml
此处用的SSD模型，主干网络是Mobilnet（比VGG更轻量级的网络，适合于移动端部署），图片输入尺寸300x300，数据集格式voc 

3 模型训练

4 模型预测效果展示

5 模型导出

五 PaddleLite生成.nb模型文件

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
将手机调为开发者模式，将手机通过USB数据线连接到PC上，点击运行，等待一会就好了

7 效果展示
项目初始界面

项目通过相机拍取画面（因为拍的是电脑屏幕，看起来有点花）

项目通过调取手机相册的图片

8 apk打包
在工具栏中点击如下

选择打包成apk

若第一次打包，需创建新的秘钥文件

创建成功后

next，v1、v2都勾选上

打包成功