そのままできる！Yoloを使った物体認識。Androidアプリで実行その２:Yoloからtfliteへの変換

第二回目は、YoloをAndroidアプリで使うためにしなければいけないファイルの変換を説明したいと思います。Yoloで作成、もしくはダウンロードした物体認識用のファイルからAndroidアプリで活用できるTensorflowLiteの形式である、tflite形式に変換する為の手順を記載したいと思います。OSはwindows11です。

目次/Table of contents

Yoloの環境づくり
TensorflowLiteとは
必要なライブラリのインストール
Yoloからtfliteへの変換
tfliteファイルの動作確認

Yoloの環境づくり

今回の記事では第２回目としてYoloからtfliteへの変換を解説しますが、過去の記事でYoloの環境セットアップや、追加学習など解説している記事がありますので、まずはこの手順に沿って、Yoloが動く環境の立ち上げと、必要に応じて仮想環境の作成をお願いします。この記事はそれができている前提で、次の手順からの説明となります。

このまま実行すれば出来る。YOLO v11を使った物体認識の方法教えます。

TensorflowLiteとは

TensorflowLiteとは、Googleが開発したオープンソースのディープラーニングライブラリ、Tensorflowの計量版です。

必要なライブラリのインストール

VisualStudioがインストールされていない方は、VisualStudio Build Toolをインストールする必要がありますので、下記からインストールします。

https://visualstudio.microsoft.com/visual-cpp-build-tools

ダウンロードして、.exeを実行

下記にチェックをいれ、インストール。

インストールが終わったら、再起動。

再起動したら、ご自身の環境へ下記をまとめてインストール。

下記をインストールするための仮想環境や、YOLO自体の環境のセットアップはこの記事参照。

このまま実行すれば出来る。YOLO v11を使った物体認識の方法教えます。

※環境の違いにより、下記インストールしてもエラーが発生する事があるかと思いますので、足りないライブラリは適宜インストールしてください。上に書いた環境セットアップからすべて本記事の通りに実施すれば、問題ないと思います。

pip install onnx==1.17.0 
pip install nvidia-pyindex 
pip install onnx-graphsurgeon U
pip install onnxruntime==1.18.1
pip install onnx-simplifier==0.4.33
pip install onnxsim==0.4.33 
pip install simple_onnx_processing_tools 
pip install onnxslim==0.1.31
pip install onnx2tf==1.26.3
pip install h5py==3.11.0 
pip install psutil==5.9.5 
pip install ml_dtypes==0.5.1
pip install tf_keras==2.19.0
pip install ml_dtypes==0.5.1
pip install flatbuffers==23.5.26
pip install tflite_support 
pip install tensorflow_probability
pip install tensorflow==2.19.0

Yoloからtfliteへの変換

yoloからtfliteへの変換をします。

Yoloからtfliteへの変換は公式には次のページに書かれていますので活用します。

https://docs.ultralytics.com/ja/integrations/tflite/#usage

ここを参考にして、ソースを引用。

下記ソースコードの★１はご自身がお持ちのYoloのファイルへ必要に応じて変更してください。

ここではファイル名を「yolo-to-tflite.py」としました。

from ultralytics import YOLO

# Load the YOLO11 model
model = YOLO("yolo11n.pt")　#★１

# Export the model to TFLite format
model.export(format="tflite")  # creates 'yolo11n_float32.tflite'

これを実行すると、こんな感じに終了し。tfliteファイルができ、保存先が書かれます。

そのディレクトリを除くと、こんな感じに「yolo11n_float16.tflite」「yolo11n_float32.tflite」が出来れいる事がわかります。

tfliteファイルの動作確認

最後に、出来上がったtfliteファイルで物体認識を実行してみましょう。コードは下記をコピー。

from ultralytics import YOLO

# Load the exported TFLite model
tflite_model = YOLO("./yolo11n_saved_model/yolo11n_float32.tflite")#★先ほどのtfliteファイルのパス

# Run inference
results = tflite_model("bus.jpg", save=True)#★ご自身の認識に使うファイル

こんな感じに完了し、結果の保存されているパスが表示されます。