一、說明

• 本示例來源于tensorflow官網。
• 項目連續使用安卓兵團攝像頭對所看到的物體進行分類。
• 項目使用TF Lite Java API來執行推理。該演示應用程序實時地對圖像幀分類，顯示最可能的分類結果。它允許用戶選擇浮點或量化模型，選擇線程數，并決定運行在CPU、GPU上，或是通過NNAPI運行。

二、代碼來源

https://github.com/tensorflow/examples/tree/master/lite/examples/image_classification/android

1. 編譯環境

Android Studio3.2+

2. 構建說明

直接編譯有可能會報異常，在項目的build.gralde->dependencies里添加：

implementation group: 'org.tensorflow', name: 'tensorflow-lite', version: '2.0.0'

我同時把其它幾個庫版本改了一下，供參考：

dependencies {
    implementation fileTree(dir: 'libs', include: ['*.jar'])
    implementation 'androidx.appcompat:appcompat:1.1.0'
    implementation 'androidx.coordinatorlayout:coordinatorlayout:1.1.0'
    implementation 'com.google.android.material:material:1.0.0'

    implementation 'org.tensorflow:tensorflow-lite:2.0.0'
    implementation 'org.tensorflow:tensorflow-lite-gpu:2.0.0'
    implementation 'org.tensorflow:tensorflow-lite-support:0.0.0-nightly'
    implementation group: 'org.tensorflow', name: 'tensorflow-lite', version: '2.0.0'
}

3. 連接手機，打開USB調試模式，編譯安裝后即可運行。

運行效果：

風扇識別成功：

鼠標

2個鼠標：

識別成眼鏡了

三、demo項目結構

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-6RkXhtcs-1575613381150)(/uploads/20191206/850c999b5dec24281e42ce41c4a6468c.png)]

• 關鍵代碼在org.tensorflow.lite.examples.classification.tflite里
• 模型文件放在assets下

類說明：

1. 入口Activity

ClassifierActivity，調用模型：

private Classifier classifier;
# 實例化，返回 ClassifierQuantizedMobileNet 或 ClassifierFloatMobileNet
classifier = Classifier.create(this, model, device, numThreads); 

final List<Classifier.Recognition> results =
                  classifier.recognizeImage(rgbFrameBitmap, sensorOrientation);

2. Classifier類

虛類，封裝TF模型的調用，其中識別的主要程序代碼段：

inputImageBuffer = loadImage(bitmap, sensorOrientation);
tflite.run(inputImageBuffer.getBuffer(), outputProbabilityBuffer.getBuffer().rewind());
Map<String, Float> labeledProbability =
        new TensorLabel(labels, probabilityProcessor.process(outputProbabilityBuffer))
            .getMapWithFloatValue();
return getTopKProbability(labeledProbability);

getTopKProbability用來返回最有可能分類值。

3. ClassifierFloatMobileNet和ClassifierQuantizedMobileNet

用來定義模型位置、標簽位置等

四、自己的項目里使用TF2.0講解

1. dependencies 引用

即上面貼出的代碼

2. ABIs設置

谷歌建議大部分開發者刪減x86,x86_64,arm32的ABIs：

android {
    defaultConfig {
        ndk {
            abiFilters 'armeabi-v7a', 'arm64-v8a'
        }
    }
}