Android 工程示例

    人脸检测是Paddle-Lite提供的人像检测demo。在移动端上提供了高精度、实时的人脸检测能力，能处理基于人脸检测的业务场景。在移动端预测的效果图如下：

         Android 工程示例 - 图2

    人像分割是Paddle-Lite 提供的图像分割demo ，在移动端上提供了实时的人像分割能力，可以应用证件照自动抠图、面积测量、智能交通（标记车道和交通标志）等场景。 在移动端预测的效果图如下：

         Android 工程示例 - 图4

    图像分类是Paddle-Lite 提供的图像处理demo ，在移动端上提供了实时的物体识别能力，可以应用到生产线自动分拣或质检、识别医疗图像、辅助医生肉眼诊断等场景。在移动端预测的效果图如下：

         Android 工程示例 - 图6

    物体检测是Paddle-Lite 提供的图像识别demo ，在移动端上提供了检测多个物体的位置、名称、位置及数量的能力。可以应用到视频监控（是否有违规物体或行为）、工业质检（微小瑕疵的数量和位置）、医疗诊断（细胞计数、中药识别）等场景。在移动端预测的效果图如下：

         Android 工程示例 - 图8

    下面我们以 目标检测示例（object_detection_demo) 为例讲解如何部署。

    需要的环境： Android Studio、Android手机（开启USB调试模式）、下载到本地的Paddle-Lite-Demo工程

    预先要求：如果您的Android Studio尚未配置NDK，请根据Android Studio用户指南中的内容，预先配置好NDK。您可以选择最新的NDK版本，或者与Android编译环境配置中的NDK版本保持一致。

    部署步骤：

    1、目标检测的Android示例位于

    2、用Android Studio 打开object_detection_demo工程 （本步骤需要联网）。

    3、手机连接电脑，打开USB调试和文件传输模式，在Android Studio上连接自己的手机设备（手机需要开启允许从 USB安装软件权限）

    Android_studio

    注意： 如果您在导入项目、编译或者运行过程中遇到NDK配置错误的提示，请打开 File > Project Structure > SDK Location，修改 “Andriod NDK location” 为您本机配置的NDK所在路径。如果您是通过Andriod Studio的SDK Tools下载的NDK (见本章节”预先要求”)，可以直接点击下拉框选择默认路径。如果以上步骤仍旧无法解决NDK配置错误，请尝试根据Andriod Studio官方文档中的章节，尝试更新Android Gradle plugin版本。

    Android 工程示例 - 图10

    成功后效果如下，图一：APP安装到手机 图二： APP打开后的效果，会自动识别图片中的物体并标记

         Android 工程示例 - 图12

    Android 示例的代码结构如下图所示：

    1、 Predictor.java： 预测代码

    2、 model.nb : 模型文件 (opt 工具转化后Paddle-Lite模型)；pascalvoc_label_list：训练模型时的labels文件

    3、 libpaddle_lite_jni.so、PaddlePredictor.jar：Paddle-Lite Java 预测库与Jar包

    4、 build.gradle : 定义编译过程的 gradle 脚本。（不用改动，定义了自动下载Paddle-Lite预测和模型的过程）

    Android 示例基于Java API 开发，调用Paddle-Lite Java API包括以下五步。更详细的API 描述参考： Paddle-Lite Java API。