背景： ncnn yolo demo源码里面使用的模型是yolov5s_6.0。在手机上运行检测正常，但是速度稍慢，打算更换模型为yolo5n6，遇到的问它再此记录

问题1：yolo模型转ncnn模型

1. 进入虚拟环境
   conda activate yolo5

2. 安装onnx
   pip install onnx
   pip install onnx-simplifier

3. 运行export.py
   python export.py --weights yolo5n6.pt --img 640 640 --batch 1 --train --simplify --include onnx
   python -m onnxsim yolo5n6.onnx yolo5n6-sim.onnx

4. 在线ncnn转换：https://convertmodel.com/#outputFormat=ncnn

问题2：yolo5n6.param参数修改

1. 把所有Resharp层的 0=-1，使输出的BBOX可以自适应
   
2. yolov5.cpp 每一层的参数需要与模型的anchors对应
   
3. yolov5只处理了3个anchors，v6版本有4个
   
   4.yolov5.cpp stride 8、16、32的层名字，要对应修改
   ex.extract(blob_name, out);
   

我这边暂时按照原来3层输出的代码，丢弃了strip64的输出，检测正常。
但是准确率确实比v5s要差些。
后续研究strip64参数作用，修改代码增加strip64层输出，看效果是否有改善

请看下集

---