From 672479de6d5b16ddba30c9aff0f7f87f74d53c2b Mon Sep 17 00:00:00 2001
From: DefTruth <qiustudent_r@163.com>
Date: Thu, 20 Oct 2022 14:58:31 +0800
Subject: [PATCH 01/10] [Backend] Add override flag to lite backend

---
 fastdeploy/backends/lite/lite_backend.h | 10 +++++-----
 1 file changed, 5 insertions(+), 5 deletions(-)

diff --git a/fastdeploy/backends/lite/lite_backend.h b/fastdeploy/backends/lite/lite_backend.h
index fed33e28540..cf88390a433 100644
--- a/fastdeploy/backends/lite/lite_backend.h
+++ b/fastdeploy/backends/lite/lite_backend.h
@@ -56,14 +56,14 @@ class LiteBackend : public BaseBackend {
                       const std::string& params_file,
                       const LiteBackendOption& option = LiteBackendOption());
 
-  bool Infer(std::vector<FDTensor>& inputs, std::vector<FDTensor>* outputs);
+  bool Infer(std::vector<FDTensor>& inputs, std::vector<FDTensor>* outputs) override; // NOLINT
 
-  int NumInputs() const { return inputs_desc_.size(); }
+  int NumInputs() const override { return inputs_desc_.size(); }
 
-  int NumOutputs() const { return outputs_desc_.size(); }
+  int NumOutputs() const override { return outputs_desc_.size(); }
 
-  TensorInfo GetInputInfo(int index);
-  TensorInfo GetOutputInfo(int index);
+  TensorInfo GetInputInfo(int index) override;
+  TensorInfo GetOutputInfo(int index) override;
   std::vector<TensorInfo> GetInputInfos() override;
   std::vector<TensorInfo> GetOutputInfos() override;
 

From cda3e95aaf2a26e5af57f9af25823382aff95bfb Mon Sep 17 00:00:00 2001
From: DefTruth <qiustudent_r@163.com>
Date: Fri, 21 Oct 2022 13:02:35 +0800
Subject: [PATCH 02/10] [Docs] Add Android C++ SDK build docs

---
 CMakeLists.txt                                |   2 +-
 docs/cn/build_and_install/android.md          | 103 +++++++++++++++++-
 .../download_prebuilt_libraries.md            |   8 +-
 3 files changed, 107 insertions(+), 6 deletions(-)

diff --git a/CMakeLists.txt b/CMakeLists.txt
index c57251d4262..2429a604667 100644
--- a/CMakeLists.txt
+++ b/CMakeLists.txt
@@ -66,7 +66,7 @@ option(WITH_TESTING "Whether to compile with unittest." OFF)
 option(WITH_OPENCV_STATIC "Use OpenCV static lib for Android." OFF)
 option(WITH_LITE_STATIC "Use Paddle Lite static lib for Android." OFF)
 option(WITH_LITE_FULL_API "Use Paddle Lite full API lib for Android." ON)
-option(WITH_LITE_FP16 "Use Paddle Lite lib with fp16 enabled for Android." OFF)
+option(WITH_LITE_FP16 "Use Paddle Lite lib with fp16 enabled for Android." ON)
 
 # Please don't open this flag now, some bugs exists.
 # Only support Linux Now
diff --git a/docs/cn/build_and_install/android.md b/docs/cn/build_and_install/android.md
index c091b75d550..2421d3c66a4 100644
--- a/docs/cn/build_and_install/android.md
+++ b/docs/cn/build_and_install/android.md
@@ -1,3 +1,104 @@
 # Android部署库编译
 
-进行中...
+FastDeploy当前在Android仅支持Paddle-Lite后端推理，支持armeabi-v7a和arm64-v8a两种cpu架构，在armv8.2架构的arm设备支持fp16精度推理。相关编译选项说明如下：  
+
+|编译选项|默认值|说明|备注|  
+|:---|:---|:---|:---|  
+|ENABLE_LITE_BACKEND|OFF|编译Android库时需要设置为ON| - |
+|WITH_OPENCV_STATIC|OFF|是否使用OpenCV静态库| - |
+|WITH_LITE_STATIC|OFF|是否使用Lite静态库| 暂不支持使用Lite静态库 |
+|WITH_LITE_FULL_API|ON|是否使用Lite Full API库| 目前必须为ON |
+|WITH_LITE_FP16|ON|是否使用带FP16支持的Lite库| 目前仅支持 arm64-v8a 架构|
+
+更多编译选项请参考[FastDeploy编译选项说明](./README.md)
+
+## Android C++ SDK 编译安装  
+
+编译需要满足：  
+
+- Android SDK API >= 21  
+- Android NDK >= 20 (当前仅支持clang编译工具链)
+- cmake >= 3.10.0  
+
+编译前请先检查您的Android SDK 和 NDK 是否已经配置，如：  
+```bash
+➜ echo $ANDROID_SDK  
+/Users/xxx/Library/Android/sdk  
+➜ echo $ANDROID_NDK
+/Users/xxx/Library/Android/sdk/ndk/25.1.8937393
+```
+推荐使用 NDK>=20 进行交叉编译，编译命令如下：
+```bash
+# Download the latest source code
+git clone https://github.com/PaddlePaddle/FastDeploy.git
+cd FastDeploy  
+
+# Setting up Android toolchanin
+ANDROID_ABI=arm64-v8a  # 'arm64-v8a', 'armeabi-v7a'
+ANDROID_PLATFORM="android-21"  # API >= 21
+ANDROID_STL=c++_shared  # 'c++_shared', 'c++_static'
+ANDROID_TOOLCHAIN=clang  # 'clang' only
+TOOLCHAIN_FILE=${ANDROID_NDK}/build/cmake/android.toolchain.cmake
+
+# Create build directory
+BUILD_ROOT=build/Android
+BUILD_DIR=${BUILD_ROOT}/${ANDROID_ABI}-api-21
+FASDEPLOY_INSTALL_DIR="${ROOT_PATH}/${BUILD_DIR}/install"
+mkdir build && mkdir ${BUILD_ROOT} && mkdir ${BUILD_DIR}
+cd ${BUILD_DIR}
+
+# Check fp16 support (only support arm64-v8a now)
+WITH_LITE_FP16=ON
+if [ "$ANDROID_ABI" = "armeabi-v7a" ]; then
+  WITH_LITE_FP16=OFF
+fi
+
+# Cmake configuration with Android toolchain
+cmake -DCMAKE_TOOLCHAIN_FILE=${TOOLCHAIN_FILE} \
+      -DCMAKE_BUILD_TYPE=MinSizeRel \
+      -DANDROID_ABI=${ANDROID_ABI} \
+      -DANDROID_NDK=${ANDROID_NDK} \
+      -DANDROID_PLATFORM=${ANDROID_PLATFORM} \
+      -DANDROID_STL=${ANDROID_STL} \
+      -DANDROID_TOOLCHAIN=${ANDROID_TOOLCHAIN} \
+      -DENABLE_LITE_BACKEND=ON \
+      -DENABLE_VISION=ON \
+      -DWITH_LITE_FP16=${WITH_LITE_FP16} \
+      -DCMAKE_INSTALL_PREFIX=${FASDEPLOY_INSTALL_DIR} \
+      -Wno-dev ../../..
+
+# Build FastDeploy Android C++ SDK
+make -j8
+make install  
+```  
+编译完成后，Android C++ SDK 保存在 `build/Android/arm64-v8a-api-21/install` 目录下，目录结构如下：  
+```bash
+➜ tree . -d -L 3
+.
+├── examples
+├── include
+│   └── fastdeploy                   # FastDeploy 头文件
+├── lib
+│   └── arm64-v8a                    # FastDeploy Android 动态库
+└── third_libs                       # 第三方依赖库
+    └── install
+        ├── opencv
+        └── paddlelite
+```
+在examples/vision目录下可查看Android C++ SDK 使用案例：
+```bash  
+.
+├── classification
+│   ├── paddleclas
+│   │   ├── android                  #  图像分类Android使用案例
+│   │   ├── cpp
+...
+├── detection
+│   ├── paddledetection
+│   │   ├── android                  #  目标检测Android使用案例
+│   │   ├── cpp
+...
+```
+如何使用FastDeploy Android C++ SDK 请参考使用案例文档：  
+- [图像分类Android使用文档](../../../examples/vision/classification/paddleclas/android/README.md)  
+- [目标检测Android使用文档](../../../examples/vision/detection/paddledetection/android/README.md)  
diff --git a/docs/cn/build_and_install/download_prebuilt_libraries.md b/docs/cn/build_and_install/download_prebuilt_libraries.md
index a320b692440..9182aa69fc7 100644
--- a/docs/cn/build_and_install/download_prebuilt_libraries.md
+++ b/docs/cn/build_and_install/download_prebuilt_libraries.md
@@ -17,7 +17,7 @@ FastDeploy提供各平台预编译库，供开发者直接下载安装使用。
 
 Release版本（当前最新0.3.0）安装
 ```bash
-pip install fastdeploy-gpu-python -f https://www.paddlepaddle.org.cn/whl/fastdeploy.html 
+pip install fastdeploy-gpu-python -f https://www.paddlepaddle.org.cn/whl/fastdeploy.html
 ```
 
 其中推荐使用Conda配置开发环境
@@ -51,7 +51,7 @@ pip install fastdeploy-python -f https://www.paddlepaddle.org.cn/whl/fastdeploy.
 
 ## C++ SDK安装
 
-Release版本（当前最新0.3.0）
+Release版本（当前最新0.3.0，Android为0.4.0 pre-release）
 
 | 平台 | 文件 | 说明 |
 | :--- | :--- | :---- |
@@ -59,5 +59,5 @@ Release版本（当前最新0.3.0）
 | Windows x64 | [fastdeploy-win-x64-0.3.0.zip](https://bj.bcebos.com/fastdeploy/release/cpp/fastdeploy-win-x64-0.3.0.zip) | Visual Studio 16 2019编译产出 |
 | Mac OSX x64 | [fastdeploy-osx-x86_64-0.3.0.tgz](https://bj.bcebos.com/fastdeploy/release/cpp/fastdeploy-osx-x86_64-0.3.0.tgz) | clang++ 10.0.0编译产出|
 | Mac OSX arm64 | [fastdeploy-osx-arm64-0.3.0.tgz](https://bj.bcebos.com/fastdeploy/release/cpp/fastdeploy-osx-arm64-0.3.0.tgz) | clang++ 13.0.0编译产出 |
-| Linux aarch64 | [fastdeploy-linux-aarch64-0.3.0.tgz](https://bj.bcebos.com/fastdeploy/release/cpp/fastdeploy-linux-aarch64-0.3.0.tgz) | g++ 6.3.0编译产出 |
-
+| Linux aarch64 | [fastdeploy-linux-aarch64-0.3.0.tgz](https://bj.bcebos.com/fastdeploy/release/cpp/fastdeploy-linux-aarch64-0.3.0.tgz) | g++ 6.3.0编译产出 |  
+| Android armv7&v8 | [fastdeploy-android-0.4.0-shared.tgz](https://bj.bcebos.com/fastdeploy/release/android/fastdeploy-android-0.4.0-shared.tgz) | NDK 25及clang++编译产出, 支持arm64-v8a及armeabi-v7a |

From b97e2e24f5df3a01b8848664786c9e0bc49616d5 Mon Sep 17 00:00:00 2001
From: DefTruth <qiustudent_r@163.com>
Date: Fri, 21 Oct 2022 13:58:16 +0800
Subject: [PATCH 03/10] [Doc] fix android_build_docs typos

---
 docs/cn/build_and_install/android.md | 4 ++--
 1 file changed, 2 insertions(+), 2 deletions(-)

diff --git a/docs/cn/build_and_install/android.md b/docs/cn/build_and_install/android.md
index 2421d3c66a4..0280df949ec 100644
--- a/docs/cn/build_and_install/android.md
+++ b/docs/cn/build_and_install/android.md
@@ -43,7 +43,7 @@ TOOLCHAIN_FILE=${ANDROID_NDK}/build/cmake/android.toolchain.cmake
 # Create build directory
 BUILD_ROOT=build/Android
 BUILD_DIR=${BUILD_ROOT}/${ANDROID_ABI}-api-21
-FASDEPLOY_INSTALL_DIR="${ROOT_PATH}/${BUILD_DIR}/install"
+FASDEPLOY_INSTALL_DIR="${BUILD_DIR}/install"
 mkdir build && mkdir ${BUILD_ROOT} && mkdir ${BUILD_DIR}
 cd ${BUILD_DIR}
 
@@ -53,7 +53,7 @@ if [ "$ANDROID_ABI" = "armeabi-v7a" ]; then
   WITH_LITE_FP16=OFF
 fi
 
-# Cmake configuration with Android toolchain
+# CMake configuration with Android toolchain
 cmake -DCMAKE_TOOLCHAIN_FILE=${TOOLCHAIN_FILE} \
       -DCMAKE_BUILD_TYPE=MinSizeRel \
       -DANDROID_ABI=${ANDROID_ABI} \

From 265f8ac64e5acfce07314512d7a2d74d7e313739 Mon Sep 17 00:00:00 2001
From: DefTruth <31974251+DefTruth@users.noreply.github.com>
Date: Fri, 21 Oct 2022 15:03:19 +0800
Subject: [PATCH 04/10] Update CMakeLists.txt

---
 CMakeLists.txt | 2 +-
 1 file changed, 1 insertion(+), 1 deletion(-)

diff --git a/CMakeLists.txt b/CMakeLists.txt
index 2429a604667..c57251d4262 100644
--- a/CMakeLists.txt
+++ b/CMakeLists.txt
@@ -66,7 +66,7 @@ option(WITH_TESTING "Whether to compile with unittest." OFF)
 option(WITH_OPENCV_STATIC "Use OpenCV static lib for Android." OFF)
 option(WITH_LITE_STATIC "Use Paddle Lite static lib for Android." OFF)
 option(WITH_LITE_FULL_API "Use Paddle Lite full API lib for Android." ON)
-option(WITH_LITE_FP16 "Use Paddle Lite lib with fp16 enabled for Android." ON)
+option(WITH_LITE_FP16 "Use Paddle Lite lib with fp16 enabled for Android." OFF)
 
 # Please don't open this flag now, some bugs exists.
 # Only support Linux Now

From 3aca8c75a92e04f5a8d1cade1630a8ab33c1bfe8 Mon Sep 17 00:00:00 2001
From: DefTruth <31974251+DefTruth@users.noreply.github.com>
Date: Fri, 21 Oct 2022 15:03:57 +0800
Subject: [PATCH 05/10] Update android.md

---
 docs/cn/build_and_install/android.md | 2 +-
 1 file changed, 1 insertion(+), 1 deletion(-)

diff --git a/docs/cn/build_and_install/android.md b/docs/cn/build_and_install/android.md
index 0280df949ec..cdbdd588c82 100644
--- a/docs/cn/build_and_install/android.md
+++ b/docs/cn/build_and_install/android.md
@@ -8,7 +8,7 @@ FastDeploy当前在Android仅支持Paddle-Lite后端推理，支持armeabi-v7a
 |WITH_OPENCV_STATIC|OFF|是否使用OpenCV静态库| - |
 |WITH_LITE_STATIC|OFF|是否使用Lite静态库| 暂不支持使用Lite静态库 |
 |WITH_LITE_FULL_API|ON|是否使用Lite Full API库| 目前必须为ON |
-|WITH_LITE_FP16|ON|是否使用带FP16支持的Lite库| 目前仅支持 arm64-v8a 架构|
+|WITH_LITE_FP16|OFF|是否使用带FP16支持的Lite库| 目前仅支持 arm64-v8a 架构|
 
 更多编译选项请参考[FastDeploy编译选项说明](./README.md)
 

From 942c56eadfa3954bf11825d580d30dde420f4954 Mon Sep 17 00:00:00 2001
From: DefTruth <qiustudent_r@163.com>
Date: Fri, 21 Oct 2022 20:44:56 +0800
Subject: [PATCH 06/10] [Doc] Add PicoDet Android demo docs

---
 docs/cn/faq/use_cpp_sdk_on_android.md         |  4 +
 docs/cn/faq/use_java_sdk_on_android.md        |  2 +
 .../paddledetection/android/README.md         | 93 ++++++++++++++++++-
 3 files changed, 97 insertions(+), 2 deletions(-)
 create mode 100644 docs/cn/faq/use_cpp_sdk_on_android.md
 create mode 100644 docs/cn/faq/use_java_sdk_on_android.md

diff --git a/docs/cn/faq/use_cpp_sdk_on_android.md b/docs/cn/faq/use_cpp_sdk_on_android.md
new file mode 100644
index 00000000000..0d0bb3e252f
--- /dev/null
+++ b/docs/cn/faq/use_cpp_sdk_on_android.md
@@ -0,0 +1,4 @@
+## 在 Android 中使用 FastDeploy C++ SDK  
+本文档将以PicoDet为例，讲解如何通过JNI，将FastDeploy中的模型封装到Android中进行调用。  
+
+- TODO
diff --git a/docs/cn/faq/use_java_sdk_on_android.md b/docs/cn/faq/use_java_sdk_on_android.md
new file mode 100644
index 00000000000..832ca1909c8
--- /dev/null
+++ b/docs/cn/faq/use_java_sdk_on_android.md
@@ -0,0 +1,2 @@
+## 在 Android 中使用 FastDeploy Java SDK  
+- TODO  
diff --git a/examples/vision/detection/paddledetection/android/README.md b/examples/vision/detection/paddledetection/android/README.md
index 6a82dd18c1f..4ff2fd77a66 100644
--- a/examples/vision/detection/paddledetection/android/README.md
+++ b/examples/vision/detection/paddledetection/android/README.md
@@ -1,3 +1,92 @@
-## 目标检测 Android Demo 使用文档  
+# 目标检测 PicoDet Android Demo 使用文档  
 
-- TODO
+在 Android 上实现实时的目标检测功能，此 Demo 有很好的的易用性和开放性，如在 Demo 中跑自己训练好的模型等。
+
+## 环境准备
+
+1. 在本地环境安装好 Android Studio 工具，详细安装方法请见[Android Stuido 官网](https://developer.android.com/studio)。
+2. 准备一部 Android 手机，并开启 USB 调试模式。开启方法: `手机设置 -> 查找开发者选项 -> 打开开发者选项和 USB 调试模式`
+
+**注意**：如果您的 Android Studio 尚未配置 NDK ，请根据 Android Studio 用户指南中的[安装及配置 NDK 和 CMake ](https://developer.android.com/studio/projects/install-ndk)内容，预先配置好 NDK 。您可以选择最新的 NDK 版本，或者使用 FastDeploy Android 预测库版本一样的 NDK
+
+## 部署步骤
+
+1. 目标检测 PicoDet Demo 位于 `fastdeploy/examples/vision/detection/paddledetection/android` 目录
+2. 用 Android Studio 打开 paddledetection/android 工程
+3. 手机连接电脑，打开 USB 调试和文件传输模式，并在 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）
+
+<p align="center">
+<img width="1280" alt="image" src="https://user-images.githubusercontent.com/31974251/197168120-7f77fbb7-3850-44f0-b6fa-865a98951226.png">
+</p>
+
+> **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。本工程默认使用的NDK版本为20.
+>> 如果您是通过 Andriod Studio 的 SDK Tools 下载的 NDK (见本章节"环境准备")，可以直接点击下拉框选择默认路径。
+>> 还有一种 NDK 配置方法，你可以在 `paddledetection/android/local.properties` 文件中手动完成 NDK 路径配置，如下图所示
+>> 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[更新 Android Gradle 插件](https://developer.android.com/studio/releases/gradle-plugin?hl=zh-cn#updating-plugin)章节，尝试更新Android Gradle plugin版本。
+
+4. 点击 Run 按钮，自动编译 APP 并安装到手机。(该过程会自动下载预编译的 FastDeploy Android 库，需要联网)
+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
+
+  | APP 图标 | APP 效果 |
+  | ---     | --- |
+  | ![app_pic ](https://user-images.githubusercontent.com/31974251/197170082-a2bdd49d-60ea-4df0-af63-18ed898a746e.jpg)   | ![app_res](https://user-images.githubusercontent.com/31974251/197169609-bb214af3-d6e7-4433-bb96-1225cddd441c.jpg) |
+
+## PicoDet Java API 说明  
+- 模型初始化 API: 模型初始化API包含两种方式，方式一是通过构造函数直接初始化；方式二是，通过调用init函数进行初始化。初始化参数说明：  
+  - modelFile: String, paddle格式的模型文件路径，如 model.pdmodel
+  - paramFile: String, paddle格式的参数文件路径，如 model.pdiparams  
+  - configFile: String, 模型推理的预处理配置文件，如 infer_cfg.yml  
+  - labelFile: String, 可选参数，表示label标签文件所在路径，用于可视化  
+  - option: RuntimeOption，模型初始化option  
+
+```java
+// 构造函数: constructor w/o label file
+public PicoDet(); // 空构造函数，之后可以调用init初始化
+public PicoDet(String modelFile, String paramsFile, String configFile, RuntimeOption option);
+public PicoDet(String modelFile, String paramsFile, String configFile, String labelFile, RuntimeOption option);
+// 手动调用init初始化: call init manually w/o label file
+public boolean init(String modelFile, String paramsFile, String configFile, RuntimeOption option);
+public boolean init(String modelFile, String paramsFile, String configFile, String labelFile, RuntimeOption option);
+```  
+- 模型预测 API：模型预测API包含直接预测的API以及带可视化功能的API。直接预测是指，不保存图片以及不渲染结果到Bitmap上，仅预测推理结果。预测并且可视化是指，预测结果以及可视化，并将可视化后的图片保存到指定的途径，以及将可视化结果渲染在Bitmap(目前支持ARGB8888格式的Bitmap), 后续可将该Bitmap在camera中进行显示。
+```java
+// 直接预测：不保存图片以及不渲染结果到Bitmap上
+public DetectionResult predict(Bitmap ARGB8888Bitmap)；
+// 预测并且可视化：预测结果以及可视化，并将可视化后的图片保存到指定的途径，以及将可视化结果渲染在Bitmap上
+public DetectionResult predict(Bitmap ARGB8888Bitmap, String savedImagePath, float scoreThreshold)
+```
+- 模型资源释放 API：调用 release() API 可以释放模型资源，返回true表示释放成功，false表示失败；调用 initialized() 可以判断模型是否初始化成功，true表示初始化成功，false表示失败。
+```java
+public boolean release(); // 释放native资源  
+public boolean initialized(); // 检查是否初始化成功
+```
+- RuntimeOption设置说明  
+```java  
+public void enableLiteFp16(); // 开启fp16精度推理
+public void disableLiteFP16(); // 关闭fp16精度推理
+public void setCpuThreadNum(int threadNum); // 设置线程数
+public void setLitePowerMode(LitePowerMode mode);  // 设置能耗模式
+public void setLitePowerMode(String modeStr);  // 通过字符串形式设置能耗模式
+public void enableRecordTimeOfRuntime();  // 是否打印模型运行耗时
+```
+
+- 模型结果DetectionResult说明  
+```java
+// Not support MaskRCNN now.
+public float[][] mBoxes; // [n,4] 检测框 (x1,y1,x2,y2)
+public float[] mScores;  // [n]   得分
+public int[] mLabelIds;  // [n]   分类ID
+public boolean initialized(); // 检测结果是否有效
+```
+
+
+## PicoDet Android Demo 工程简介  
+
+## 替换 FastDeploy 预测库和模型  
+
+## 如何通过 JNI 在 Native 层接入 FastDeploy C++ API ?  
+
+如果您对如何通过JNI来接入FastDeploy C++ API感兴趣，可以参考以下内容:  
+- [app/src/main/cpp 代码实现](./app/src/main/cpp/)
+- [在 Android 中使用 FastDeploy C++ SDK](../../../../../docs/cn/faq/use_cpp_sdk_on_android.md)  

From 92173018a47c1fec95eb57278e4cafde3c39b0fe Mon Sep 17 00:00:00 2001
From: DefTruth <qiustudent_r@163.com>
Date: Sat, 22 Oct 2022 18:08:58 +0800
Subject: [PATCH 07/10] [Doc] Update PicoDet Andorid demo docs

---
 .../paddledetection/android/README.md         | 82 ++++++++++++++++---
 .../fastdeploy/vision/detection/PicoDet.java  | 14 ++++
 2 files changed, 85 insertions(+), 11 deletions(-)

diff --git a/examples/vision/detection/paddledetection/android/README.md b/examples/vision/detection/paddledetection/android/README.md
index 4ff2fd77a66..9cde9bd9f91 100644
--- a/examples/vision/detection/paddledetection/android/README.md
+++ b/examples/vision/detection/paddledetection/android/README.md
@@ -26,23 +26,25 @@
 >> 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[更新 Android Gradle 插件](https://developer.android.com/studio/releases/gradle-plugin?hl=zh-cn#updating-plugin)章节，尝试更新Android Gradle plugin版本。
 
 4. 点击 Run 按钮，自动编译 APP 并安装到手机。(该过程会自动下载预编译的 FastDeploy Android 库，需要联网)
-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
+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；图三：APP设置选项，点击右上角的设置图片，可以设置不同选项进行体验。
 
-  | APP 图标 | APP 效果 |
-  | ---     | --- |
-  | ![app_pic ](https://user-images.githubusercontent.com/31974251/197170082-a2bdd49d-60ea-4df0-af63-18ed898a746e.jpg)   | ![app_res](https://user-images.githubusercontent.com/31974251/197169609-bb214af3-d6e7-4433-bb96-1225cddd441c.jpg) |
+  | APP 图标 | APP 效果 | APP设置项
+  | ---     | --- | --- |
+  | ![app_pic ](https://user-images.githubusercontent.com/31974251/197170082-a2bdd49d-60ea-4df0-af63-18ed898a746e.jpg)   | ![app_res](https://user-images.githubusercontent.com/31974251/197169609-bb214af3-d6e7-4433-bb96-1225cddd441c.jpg) |  ![app_setup](https://user-images.githubusercontent.com/31974251/197332983-afbfa6d5-4a3b-4c54-a528-4a3e58441be1.jpg) |
 
 ## PicoDet Java API 说明  
-- 模型初始化 API: 模型初始化API包含两种方式，方式一是通过构造函数直接初始化；方式二是，通过调用init函数进行初始化。初始化参数说明：  
+- 模型初始化 API: 模型初始化API包含两种方式，方式一是通过构造函数直接初始化；方式二是，通过调用init函数，在合适的程序节点进行初始化。PicoDet初始化参数说明如下：  
   - modelFile: String, paddle格式的模型文件路径，如 model.pdmodel
   - paramFile: String, paddle格式的参数文件路径，如 model.pdiparams  
   - configFile: String, 模型推理的预处理配置文件，如 infer_cfg.yml  
-  - labelFile: String, 可选参数，表示label标签文件所在路径，用于可视化  
-  - option: RuntimeOption，模型初始化option  
+  - labelFile: String, 可选参数，表示label标签文件所在路径，用于可视化，如 coco_label_list.txt，每一行包含一个label  
+  - option: RuntimeOption，可选参数，模型初始化option。如果不传入该参数则会使用默认的运行时选项。  
 
 ```java
 // 构造函数: constructor w/o label file
 public PicoDet(); // 空构造函数，之后可以调用init初始化
+public PicoDet(String modelFile, String paramsFile, String configFile);
+public PicoDet(String modelFile, String paramsFile, String configFile, String labelFile);
 public PicoDet(String modelFile, String paramsFile, String configFile, RuntimeOption option);
 public PicoDet(String modelFile, String paramsFile, String configFile, String labelFile, RuntimeOption option);
 // 手动调用init初始化: call init manually w/o label file
@@ -73,20 +75,78 @@ public void enableRecordTimeOfRuntime();  // 是否打印模型运行耗时
 
 - 模型结果DetectionResult说明  
 ```java
-// Not support MaskRCNN now.
 public float[][] mBoxes; // [n,4] 检测框 (x1,y1,x2,y2)
 public float[] mScores;  // [n]   得分
 public int[] mLabelIds;  // [n]   分类ID
 public boolean initialized(); // 检测结果是否有效
-```
+```  
+
+- 模型调用示例1：使用构造函数以及默认的RuntimeOption
+```java  
+import java.nio.ByteBuffer;
+import android.graphics.Bitmap;
+import android.opengl.GLES20;
+
+import com.baidu.paddle.fastdeploy.vision.DetectionResult;
+import com.baidu.paddle.fastdeploy.vision.detection.PicoDet;
+
+// 初始化模型
+PicoDet model = new PicoDet("picodet_s_320_coco_lcnet/model.pdmodel",
+                            "picodet_s_320_coco_lcnet/model.pdiparams",
+                            "picodet_s_320_coco_lcnet/infer_cfg.yml");
+
+// 读取图片: 以下仅为读取Bitmap的伪代码
+ByteBuffer pixelBuffer = ByteBuffer.allocate(width * height * 4);
+GLES20.glReadPixels(0, 0, width, height, GLES20.GL_RGBA, GLES20.GL_UNSIGNED_BYTE, pixelBuffer);
+Bitmap ARGB8888ImageBitmap = Bitmap.createBitmap(width, height, Bitmap.Config.ARGB_8888);
+ARGB8888ImageBitmap.copyPixelsFromBuffer(pixelBuffer);
 
+// 模型推理
+DetectionResult result = model.predict(ARGB8888ImageBitmap);  
 
-## PicoDet Android Demo 工程简介  
+// 释放模型资源  
+model.release();
+```  
+
+- 模型调用示例2: 在合适的程序节点，手动调用init，并自定义RuntimeOption
+```java  
+// import 同上 ...
+import com.baidu.paddle.fastdeploy.RuntimeOption;
+import com.baidu.paddle.fastdeploy.LitePowerMode;
+import com.baidu.paddle.fastdeploy.vision.DetectionResult;
+import com.baidu.paddle.fastdeploy.vision.detection.PicoDet;
+// 新建空模型
+PicoDet model = new PicoDet();  
+// 模型路径
+String modelFile = "picodet_s_320_coco_lcnet/model.pdmodel";
+String paramFile = "picodet_s_320_coco_lcnet/model.pdiparams";
+String configFile = "picodet_s_320_coco_lcnet/infer_cfg.yml";
+// 指定RuntimeOption
+RuntimeOption option = new RuntimeOption();
+option.setCpuThreadNum(2);
+option.setLitePowerMode(LitePowerMode.LITE_POWER_HIGH);
+option.enableRecordTimeOfRuntime();
+option.enableLiteFp16();
+// 使用init函数初始化  
+model.init(modelFile, paramFile, configFile, option);
+// Bitmap读取、模型预测、资源释放 同上 ...
+```
+更详细的用法请参考 [MainActivity](./app/src/main/java/com/baidu/paddle/fastdeploy/examples/MainActivity.java#L207) 中的用法
 
 ## 替换 FastDeploy 预测库和模型  
+替换FastDeploy预测库和模型的步骤非常简单。预测库所在的位置为 `app/libs/fastdeploy-android-xxx-shared`，其中 `xxx` 表示当前您使用的预测库版本号。模型所在的位置为，`app/src/main/assets/models/picodet_s_320_coco_lcnet`。  
+- 替换FastDeploy预测库的步骤：（1）下载或编译最新的FastDeploy Android预测库，解压缩后放在 `app/libs` 目录下；（2）修改 `app/src/main/cpp/CMakeLists.txt` 中的预测库路径，指向您下载或编译的预测库路径。如：  
+```cmake  
+set(FastDeploy_DIR "${CMAKE_CURRENT_SOURCE_DIR}/../../../libs/fastdeploy-android-xxx-shared")
+```
+- 替换PicoDet模型的步骤：（1）将您的PicoDet模型放在 `app/src/main/assets/models` 目录下；（2）修改 `app/src/main/res/values/strings.xml` 中模型路径的默认值，如：  
+```xml
+<!-- 将这个路径指修改成您的模型，如 models/picodet_l_320_coco_lcnet -->
+<string name="MODEL_DIR_DEFAULT">models/picodet_s_320_coco_lcnet</string>  
+<string name="LABEL_PATH_DEFAULT">labels/coco_label_list.txt</string>
+```  
 
 ## 如何通过 JNI 在 Native 层接入 FastDeploy C++ API ?  
-
 如果您对如何通过JNI来接入FastDeploy C++ API感兴趣，可以参考以下内容:  
 - [app/src/main/cpp 代码实现](./app/src/main/cpp/)
 - [在 Android 中使用 FastDeploy C++ SDK](../../../../../docs/cn/faq/use_cpp_sdk_on_android.md)  
diff --git a/examples/vision/detection/paddledetection/android/app/src/main/java/com/baidu/paddle/fastdeploy/vision/detection/PicoDet.java b/examples/vision/detection/paddledetection/android/app/src/main/java/com/baidu/paddle/fastdeploy/vision/detection/PicoDet.java
index bbd52eecee7..9729eeb8a43 100644
--- a/examples/vision/detection/paddledetection/android/app/src/main/java/com/baidu/paddle/fastdeploy/vision/detection/PicoDet.java
+++ b/examples/vision/detection/paddledetection/android/app/src/main/java/com/baidu/paddle/fastdeploy/vision/detection/PicoDet.java
@@ -14,6 +14,20 @@ public PicoDet() {
         mInitialized = false;
     }
 
+    // Constructor with default runtime option
+    public PicoDet(String modelFile,
+                   String paramsFile,
+                   String configFile) {
+        init_(modelFile, paramsFile, configFile, "", new RuntimeOption());
+    }
+
+    public PicoDet(String modelFile,
+                   String paramsFile,
+                   String configFile,
+                   String labelFile) {
+        init_(modelFile, paramsFile, configFile, labelFile, new RuntimeOption());
+    }
+
     // Constructor without label file
     public PicoDet(String modelFile,
                    String paramsFile,

From c9eed32e8edb5749ef482bd964a604c69d0e9354 Mon Sep 17 00:00:00 2001
From: DefTruth <qiustudent_r@163.com>
Date: Sat, 22 Oct 2022 20:41:56 +0800
Subject: [PATCH 08/10] [Doc] Update PaddleClasModel Android demo docs

---
 .../paddleclas/android/README.md              | 156 +++++++++++++++++-
 .../classification/PaddleClasModel.java       |  14 ++
 .../fastdeploy/vision/detection/PicoDet.java  |  14 ++
 .../paddledetection/android/README.md         |   8 +-
 .../classification/PaddleClasModel.java       |  14 ++
 5 files changed, 202 insertions(+), 4 deletions(-)

diff --git a/examples/vision/classification/paddleclas/android/README.md b/examples/vision/classification/paddleclas/android/README.md
index 5a595241daf..cd1579c846c 100644
--- a/examples/vision/classification/paddleclas/android/README.md
+++ b/examples/vision/classification/paddleclas/android/README.md
@@ -1,3 +1,155 @@
-## 图像分类 Android Demo 使用文档  
+## 图像分类 PaddleClas Android Demo 使用文档  
 
-- TODO
+在 Android 上实现实时的图像分类功能，此 Demo 有很好的的易用性和开放性，如在 Demo 中跑自己训练好的模型等。
+
+## 环境准备
+
+1. 在本地环境安装好 Android Studio 工具，详细安装方法请见[Android Stuido 官网](https://developer.android.com/studio)。
+2. 准备一部 Android 手机，并开启 USB 调试模式。开启方法: `手机设置 -> 查找开发者选项 -> 打开开发者选项和 USB 调试模式`
+
+**注意**：如果您的 Android Studio 尚未配置 NDK ，请根据 Android Studio 用户指南中的[安装及配置 NDK 和 CMake ](https://developer.android.com/studio/projects/install-ndk)内容，预先配置好 NDK 。您可以选择最新的 NDK 版本，或者使用 FastDeploy Android 预测库版本一样的 NDK
+
+## 部署步骤
+
+1. 目标检测 PaddleClas Demo 位于 `fastdeploy/examples/vision/classification/paddleclas/android` 目录
+2. 用 Android Studio 打开 paddleclas/android 工程
+3. 手机连接电脑，打开 USB 调试和文件传输模式，并在 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）
+
+<p align="center">
+<img width="1280" alt="image" src="https://user-images.githubusercontent.com/31974251/197338597-2c9e1cf0-569b-49b9-a7fb-cdec71921af8.png">
+</p>
+
+> **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。本工程默认使用的NDK版本为20.
+>> 如果您是通过 Andriod Studio 的 SDK Tools 下载的 NDK (见本章节"环境准备")，可以直接点击下拉框选择默认路径。
+>> 还有一种 NDK 配置方法，你可以在 `paddleclas/android/local.properties` 文件中手动完成 NDK 路径配置，如下图所示
+>> 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[更新 Android Gradle 插件](https://developer.android.com/studio/releases/gradle-plugin?hl=zh-cn#updating-plugin)章节，尝试更新Android Gradle plugin版本。
+
+4. 点击 Run 按钮，自动编译 APP 并安装到手机。(该过程会自动下载预编译的 FastDeploy Android 库，需要联网)
+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；图三：APP设置选项，点击右上角的设置图片，可以设置不同选项进行体验。
+
+  | APP 图标 | APP 效果 | APP设置项
+  | ---     | --- | --- |
+  | ![app_pic ](https://user-images.githubusercontent.com/31974251/197170082-a2bdd49d-60ea-4df0-af63-18ed898a746e.jpg)   | ![app_res](https://user-images.githubusercontent.com/31974251/197339363-ae7acd5d-88b8-4365-aea5-b27826c6a25f.jpg) |  ![app_setup](https://user-images.githubusercontent.com/31974251/197339378-bb30b108-2d77-4b30-981d-d687b6fca8f6.jpg) |
+
+## PaddleClasModel Java API 说明  
+- 模型初始化 API: 模型初始化API包含两种方式，方式一是通过构造函数直接初始化；方式二是，通过调用init函数，在合适的程序节点进行初始化。PaddleClasModel初始化参数说明如下：  
+  - modelFile: String, paddle格式的模型文件路径，如 model.pdmodel
+  - paramFile: String, paddle格式的参数文件路径，如 model.pdiparams  
+  - configFile: String, 模型推理的预处理配置文件，如 infer_cfg.yml  
+  - labelFile: String, 可选参数，表示label标签文件所在路径，用于可视化，如 imagenet1k_label_list.txt，每一行包含一个label  
+  - option: RuntimeOption，可选参数，模型初始化option。如果不传入该参数则会使用默认的运行时选项。  
+
+```java
+// 构造函数: constructor w/o label file
+public PaddleClasModel(); // 空构造函数，之后可以调用init初始化
+public PaddleClasModel(String modelFile, String paramsFile, String configFile);
+public PaddleClasModel(String modelFile, String paramsFile, String configFile, String labelFile);
+public PaddleClasModel(String modelFile, String paramsFile, String configFile, RuntimeOption option);
+public PaddleClasModel(String modelFile, String paramsFile, String configFile, String labelFile, RuntimeOption option);
+// 手动调用init初始化: call init manually w/o label file
+public boolean init(String modelFile, String paramsFile, String configFile, RuntimeOption option);
+public boolean init(String modelFile, String paramsFile, String configFile, String labelFile, RuntimeOption option);
+```  
+- 模型预测 API：模型预测API包含直接预测的API以及带可视化功能的API。直接预测是指，不保存图片以及不渲染结果到Bitmap上，仅预测推理结果。预测并且可视化是指，预测结果以及可视化，并将可视化后的图片保存到指定的途径，以及将可视化结果渲染在Bitmap(目前支持ARGB8888格式的Bitmap), 后续可将该Bitmap在camera中进行显示。
+```java
+// 直接预测：不保存图片以及不渲染结果到Bitmap上
+public ClassifyResult predict(Bitmap ARGB8888Bitmap)；
+// 预测并且可视化：预测结果以及可视化，并将可视化后的图片保存到指定的途径，以及将可视化结果渲染在Bitmap上
+public ClassifyResult predict(Bitmap ARGB8888Bitmap, String savedImagePath, float scoreThreshold)
+```
+- 模型资源释放 API：调用 release() API 可以释放模型资源，返回true表示释放成功，false表示失败；调用 initialized() 可以判断模型是否初始化成功，true表示初始化成功，false表示失败。
+```java
+public boolean release(); // 释放native资源  
+public boolean initialized(); // 检查是否初始化成功
+```
+- RuntimeOption设置说明  
+```java  
+public void enableLiteFp16(); // 开启fp16精度推理
+public void disableLiteFP16(); // 关闭fp16精度推理
+public void setCpuThreadNum(int threadNum); // 设置线程数
+public void setLitePowerMode(LitePowerMode mode);  // 设置能耗模式
+public void setLitePowerMode(String modeStr);  // 通过字符串形式设置能耗模式
+public void enableRecordTimeOfRuntime();  // 是否打印模型运行耗时
+```
+
+- 模型结果ClassifyResult说明  
+```java
+public float[] mScores;  // [n]   得分
+public int[] mLabelIds;  // [n]   分类ID
+public boolean initialized(); // 检测结果是否有效
+```  
+
+- 模型调用示例1：使用构造函数以及默认的RuntimeOption
+```java  
+import java.nio.ByteBuffer;
+import android.graphics.Bitmap;
+import android.opengl.GLES20;
+
+import com.baidu.paddle.fastdeploy.vision.ClassifyResult;
+import com.baidu.paddle.fastdeploy.vision.classification.PaddleClasModel;
+
+// 初始化模型
+PaddleClasModel model = new PaddleClasModel("MobileNetV1_x0_25_infer/inference.pdmodel",
+                                            "MobileNetV1_x0_25_infer/inference.pdiparams",
+                                            "MobileNetV1_x0_25_infer/inference_cls.yml");
+
+// 读取图片: 以下仅为读取Bitmap的伪代码
+ByteBuffer pixelBuffer = ByteBuffer.allocate(width * height * 4);
+GLES20.glReadPixels(0, 0, width, height, GLES20.GL_RGBA, GLES20.GL_UNSIGNED_BYTE, pixelBuffer);
+Bitmap ARGB8888ImageBitmap = Bitmap.createBitmap(width, height, Bitmap.Config.ARGB_8888);
+ARGB8888ImageBitmap.copyPixelsFromBuffer(pixelBuffer);
+
+// 模型推理
+ClassifyResult result = model.predict(ARGB8888ImageBitmap);  
+
+// 释放模型资源  
+model.release();
+```  
+
+- 模型调用示例2: 在合适的程序节点，手动调用init，并自定义RuntimeOption
+```java  
+// import 同上 ...
+import com.baidu.paddle.fastdeploy.RuntimeOption;
+import com.baidu.paddle.fastdeploy.LitePowerMode;
+import com.baidu.paddle.fastdeploy.vision.ClassifyResult;
+import com.baidu.paddle.fastdeploy.vision.classification.PaddleClasModel;
+// 新建空模型
+PaddleClasModel model = new PaddleClasModel();  
+// 模型路径
+String modelFile = "MobileNetV1_x0_25_infer/inference.pdmodel";
+String paramFile = "MobileNetV1_x0_25_infer/inference.pdiparams";
+String configFile = "MobileNetV1_x0_25_infer/inference_cls.yml";
+// 指定RuntimeOption
+RuntimeOption option = new RuntimeOption();
+option.setCpuThreadNum(2);
+option.setLitePowerMode(LitePowerMode.LITE_POWER_HIGH);
+option.enableRecordTimeOfRuntime();
+option.enableLiteFp16();
+// 使用init函数初始化  
+model.init(modelFile, paramFile, configFile, option);
+// Bitmap读取、模型预测、资源释放 同上 ...
+```
+更详细的用法请参考 [MainActivity](./app/src/main/java/com/baidu/paddle/fastdeploy/examples/MainActivity.java#L207) 中的用法
+
+## 替换 FastDeploy 预测库和模型  
+替换FastDeploy预测库和模型的步骤非常简单。预测库所在的位置为 `app/libs/fastdeploy-android-xxx-shared`，其中 `xxx` 表示当前您使用的预测库版本号。模型所在的位置为，`app/src/main/assets/models/MobileNetV1_x0_25_infer`。  
+- 替换FastDeploy预测库的步骤:
+  - 下载或编译最新的FastDeploy Android预测库，解压缩后放在 `app/libs` 目录下;  
+  - 修改 `app/src/main/cpp/CMakeLists.txt` 中的预测库路径，指向您下载或编译的预测库路径。如：  
+```cmake  
+set(FastDeploy_DIR "${CMAKE_CURRENT_SOURCE_DIR}/../../../libs/fastdeploy-android-xxx-shared")
+```
+- 替换PaddleClas模型的步骤：
+  - 将您的PaddleClas分类模型放在 `app/src/main/assets/models` 目录下；  
+  - 修改 `app/src/main/res/values/strings.xml` 中模型路径的默认值，如：  
+```xml
+<!-- 将这个路径指修改成您的模型，如 models/MobileNetV2_x0_25_infer -->
+<string name="MODEL_DIR_DEFAULT">models/MobileNetV1_x0_25_infer</string>  
+<string name="LABEL_PATH_DEFAULT">labels/imagenet1k_label_list.txt</string>
+```  
+
+## 如何通过 JNI 在 Native 层接入 FastDeploy C++ API ?  
+如果您对如何通过JNI来接入FastDeploy C++ API感兴趣，可以参考以下内容:  
+- [app/src/main/cpp 代码实现](./app/src/main/cpp/)
+- [在 Android 中使用 FastDeploy C++ SDK](../../../../../docs/cn/faq/use_cpp_sdk_on_android.md)  
diff --git a/examples/vision/classification/paddleclas/android/app/src/main/java/com/baidu/paddle/fastdeploy/vision/classification/PaddleClasModel.java b/examples/vision/classification/paddleclas/android/app/src/main/java/com/baidu/paddle/fastdeploy/vision/classification/PaddleClasModel.java
index f0524604e05..b4a56e30955 100644
--- a/examples/vision/classification/paddleclas/android/app/src/main/java/com/baidu/paddle/fastdeploy/vision/classification/PaddleClasModel.java
+++ b/examples/vision/classification/paddleclas/android/app/src/main/java/com/baidu/paddle/fastdeploy/vision/classification/PaddleClasModel.java
@@ -14,6 +14,20 @@ public PaddleClasModel() {
         mInitialized = false;
     }
 
+    // Constructor with default runtime option
+    public PaddleClasModel(String modelFile,
+                           String paramsFile,
+                           String configFile) {
+        init_(modelFile, paramsFile, configFile, "", new RuntimeOption());
+    }
+
+    public PaddleClasModel(String modelFile,
+                           String paramsFile,
+                           String configFile,
+                           String labelFile) {
+        init_(modelFile, paramsFile, configFile, labelFile, new RuntimeOption());
+    }
+
     // Constructor without label file
     public PaddleClasModel(String modelFile,
                            String paramsFile,
diff --git a/examples/vision/classification/paddleclas/android/app/src/main/java/com/baidu/paddle/fastdeploy/vision/detection/PicoDet.java b/examples/vision/classification/paddleclas/android/app/src/main/java/com/baidu/paddle/fastdeploy/vision/detection/PicoDet.java
index bbd52eecee7..9729eeb8a43 100644
--- a/examples/vision/classification/paddleclas/android/app/src/main/java/com/baidu/paddle/fastdeploy/vision/detection/PicoDet.java
+++ b/examples/vision/classification/paddleclas/android/app/src/main/java/com/baidu/paddle/fastdeploy/vision/detection/PicoDet.java
@@ -14,6 +14,20 @@ public PicoDet() {
         mInitialized = false;
     }
 
+    // Constructor with default runtime option
+    public PicoDet(String modelFile,
+                   String paramsFile,
+                   String configFile) {
+        init_(modelFile, paramsFile, configFile, "", new RuntimeOption());
+    }
+
+    public PicoDet(String modelFile,
+                   String paramsFile,
+                   String configFile,
+                   String labelFile) {
+        init_(modelFile, paramsFile, configFile, labelFile, new RuntimeOption());
+    }
+
     // Constructor without label file
     public PicoDet(String modelFile,
                    String paramsFile,
diff --git a/examples/vision/detection/paddledetection/android/README.md b/examples/vision/detection/paddledetection/android/README.md
index 9cde9bd9f91..4a57f98f953 100644
--- a/examples/vision/detection/paddledetection/android/README.md
+++ b/examples/vision/detection/paddledetection/android/README.md
@@ -135,11 +135,15 @@ model.init(modelFile, paramFile, configFile, option);
 
 ## 替换 FastDeploy 预测库和模型  
 替换FastDeploy预测库和模型的步骤非常简单。预测库所在的位置为 `app/libs/fastdeploy-android-xxx-shared`，其中 `xxx` 表示当前您使用的预测库版本号。模型所在的位置为，`app/src/main/assets/models/picodet_s_320_coco_lcnet`。  
-- 替换FastDeploy预测库的步骤：（1）下载或编译最新的FastDeploy Android预测库，解压缩后放在 `app/libs` 目录下；（2）修改 `app/src/main/cpp/CMakeLists.txt` 中的预测库路径，指向您下载或编译的预测库路径。如：  
+- 替换FastDeploy预测库的步骤:  
+  - 下载或编译最新的FastDeploy Android预测库，解压缩后放在 `app/libs` 目录下；  
+  - 修改 `app/src/main/cpp/CMakeLists.txt` 中的预测库路径，指向您下载或编译的预测库路径。如：  
 ```cmake  
 set(FastDeploy_DIR "${CMAKE_CURRENT_SOURCE_DIR}/../../../libs/fastdeploy-android-xxx-shared")
 ```
-- 替换PicoDet模型的步骤：（1）将您的PicoDet模型放在 `app/src/main/assets/models` 目录下；（2）修改 `app/src/main/res/values/strings.xml` 中模型路径的默认值，如：  
+- 替换PicoDet模型的步骤：  
+  - 将您的PicoDet模型放在 `app/src/main/assets/models` 目录下；  
+  - 修改 `app/src/main/res/values/strings.xml` 中模型路径的默认值，如：  
 ```xml
 <!-- 将这个路径指修改成您的模型，如 models/picodet_l_320_coco_lcnet -->
 <string name="MODEL_DIR_DEFAULT">models/picodet_s_320_coco_lcnet</string>  
diff --git a/examples/vision/detection/paddledetection/android/app/src/main/java/com/baidu/paddle/fastdeploy/vision/classification/PaddleClasModel.java b/examples/vision/detection/paddledetection/android/app/src/main/java/com/baidu/paddle/fastdeploy/vision/classification/PaddleClasModel.java
index f0524604e05..b4a56e30955 100644
--- a/examples/vision/detection/paddledetection/android/app/src/main/java/com/baidu/paddle/fastdeploy/vision/classification/PaddleClasModel.java
+++ b/examples/vision/detection/paddledetection/android/app/src/main/java/com/baidu/paddle/fastdeploy/vision/classification/PaddleClasModel.java
@@ -14,6 +14,20 @@ public PaddleClasModel() {
         mInitialized = false;
     }
 
+    // Constructor with default runtime option
+    public PaddleClasModel(String modelFile,
+                           String paramsFile,
+                           String configFile) {
+        init_(modelFile, paramsFile, configFile, "", new RuntimeOption());
+    }
+
+    public PaddleClasModel(String modelFile,
+                           String paramsFile,
+                           String configFile,
+                           String labelFile) {
+        init_(modelFile, paramsFile, configFile, labelFile, new RuntimeOption());
+    }
+
     // Constructor without label file
     public PaddleClasModel(String modelFile,
                            String paramsFile,

From d37e626ca0c1347e5b827246deaf2395a0f8718a Mon Sep 17 00:00:00 2001
From: DefTruth <qiustudent_r@163.com>
Date: Sat, 22 Oct 2022 21:43:01 +0800
Subject: [PATCH 09/10] [Doc] Update fastdeploy android jni docs

---
 docs/cn/build_and_install/android.md          |   1 +
 docs/cn/faq/use_cpp_sdk_on_android.md         | 259 +++++++++++++++++-
 .../paddleclas/android/README.md              |   2 +-
 3 files changed, 258 insertions(+), 4 deletions(-)

diff --git a/docs/cn/build_and_install/android.md b/docs/cn/build_and_install/android.md
index cdbdd588c82..899ec2985a5 100644
--- a/docs/cn/build_and_install/android.md
+++ b/docs/cn/build_and_install/android.md
@@ -102,3 +102,4 @@ make install
 如何使用FastDeploy Android C++ SDK 请参考使用案例文档：  
 - [图像分类Android使用文档](../../../examples/vision/classification/paddleclas/android/README.md)  
 - [目标检测Android使用文档](../../../examples/vision/detection/paddledetection/android/README.md)  
+- [在 Android 通过 JNI 中使用 FastDeploy C++ SDK](../../../../../docs/cn/faq/use_cpp_sdk_on_android.md)
diff --git a/docs/cn/faq/use_cpp_sdk_on_android.md b/docs/cn/faq/use_cpp_sdk_on_android.md
index 0d0bb3e252f..dc08297dd83 100644
--- a/docs/cn/faq/use_cpp_sdk_on_android.md
+++ b/docs/cn/faq/use_cpp_sdk_on_android.md
@@ -1,4 +1,257 @@
-## 在 Android 中使用 FastDeploy C++ SDK  
-本文档将以PicoDet为例，讲解如何通过JNI，将FastDeploy中的模型封装到Android中进行调用。  
+# 在 Android 中通过 JNI 使用 FastDeploy C++ SDK  
+本文档将以PicoDet为例，讲解如何通过JNI，将FastDeploy中的模型封装到Android中进行调用。阅读本文档，您至少需要了解C++、Java、JNI以及Android的基础知识。如果您主要关注如何在Java层如何调用FastDeploy的API，则可以不阅读本文档。
 
-- TODO
+## 新建PicoDet Java类及定义需要C++层实现的native API  
+```java  
+public class PicoDet {
+    protected long mNativeModelContext = 0; // Context from native.
+    protected boolean mInitialized = false;
+    // ...
+    // Bind predictor from native context.
+    private static native long bindNative(String modelFile,
+                                          String paramsFile,
+                                          String configFile,
+                                          int cpuNumThread,
+                                          boolean enableLiteFp16,
+                                          int litePowerMode,
+                                          String liteOptimizedModelDir,
+                                          boolean enableRecordTimeOfRuntime,
+                                          String labelFile);
+
+    // Call prediction from native context.
+    private static native long predictNative(long nativeModelContext,
+                                             Bitmap ARGB8888Bitmap,
+                                             boolean saved,
+                                             String savedImagePath,
+                                             float scoreThreshold,
+                                             boolean rendering);
+
+    // Release buffers allocated in native context.
+    private static native boolean releaseNative(long nativeModelContext);
+
+    // Initializes at the beginning.
+    static {
+        FastDeployInitializer.init();
+    }
+}
+```
+这些被标记为native的接口是需要通过JNI的方式实现，并在Java层供PicoDet类调用。完整的PicoDet Java代码请参考 [PicoDet.java](../../../examples/vision/detection/paddledetection/android/app/src/main/java/com/baidu/paddle/fastdeploy/vision/detection/PicoDet.java) 。各个函数说明如下：  
+- bindNative: C++层初始化模型资源，如果成功初始化，则返回指向该模型的指针(long类型)，否则返回0指针  
+- predictNative: 通过已经初始化好的模型指针，在C++层执行预测代码，如果预测成功则返回指向预测结果的指针，否则返回0指针。注意，该结果指针在当次预测使用完之后需要释放，具体操作请参考 [PicoDet.java](../../../examples/vision/detection/paddledetection/android/app/src/main/java/com/baidu/paddle/fastdeploy/vision/detection/PicoDet.java) 中的predict函数。  
+- releaseNative: 根据传入的模型指针，在C++层释放模型资源。
+
+## Android Studio 生成JNI函数定义
+- Android Studio 生成 JNI 函数定义: 鼠标停留在Java中定义的native函数上，Android Studio 便会提示是否要创建JNI函数定义；这里，我们把JNI函数定义创建在一个事先创建好的c++文件`picodet_jni.cc`上;
+
+使用Android Studio创建JNI函数定义：
+![](https://user-images.githubusercontent.com/31974251/197341065-cdf8f626-4bb1-4a57-8d7a-80b382fe994e.png)  
+
+将JNI函数定义创建在picodet_jni.cc上：
+![](https://user-images.githubusercontent.com/31974251/197341190-b887dec5-fa75-43c9-9ab3-7ead50c0eb45.png)
+
+创建的JNI函数定义如下：  
+![](https://user-images.githubusercontent.com/31974251/197341274-e9671bac-9e77-4043-a870-9d5db914586b.png)
+
+其他native函数对应的JNI函数定义的创建和此流程一样。  
+
+## 在C++层实现JNI函数  
+以下为PicoDet JNI层实现的示例，相关的辅助函数不在此处赘述，完整的C++代码请参考 [android/app/src/main/cpp](../../../examples/vision/detection/paddledetection/android/app/src/main/cpp/).
+```C++
+#include <jni.h>  // NOLINT
+
+#include "fastdeploy_jni.h"  // NOLINT
+
+#ifdef __cplusplus
+extern "C" {
+#endif
+
+// 绑定C++层的模型
+JNIEXPORT jlong JNICALL
+Java_com_baidu_paddle_fastdeploy_vision_detection_PicoDet_bindNative(
+    JNIEnv *env, jclass clazz, jstring model_file, jstring params_file,
+    jstring config_file, jint cpu_num_thread, jboolean enable_lite_fp16,
+    jint lite_power_mode, jstring lite_optimized_model_dir,
+    jboolean enable_record_time_of_runtime, jstring label_file) {
+  std::string c_model_file = fastdeploy::jni::ConvertTo<std::string>(env, model_file);
+  std::string c_params_file = fastdeploy::jni::ConvertTo<std::string>(env, params_file);
+  std::string c_config_file = astdeploy::jni::ConvertTo<std::string>(env, config_file);
+  std::string c_label_file = fastdeploy::jni::ConvertTo<std::string>(env, label_file);
+  std::string c_lite_optimized_model_dir = fastdeploy::jni::ConvertTo<std::string>(env, lite_optimized_model_dir);
+  auto c_cpu_num_thread = static_cast<int>(cpu_num_thread);
+  auto c_enable_lite_fp16 = static_cast<bool>(enable_lite_fp16);
+  auto c_lite_power_mode = static_cast<fastdeploy::LitePowerMode>(lite_power_mode);
+  fastdeploy::RuntimeOption c_option;
+  c_option.UseCpu();
+  c_option.UseLiteBackend();
+  c_option.SetCpuThreadNum(c_cpu_num_thread);
+  c_option.SetLitePowerMode(c_lite_power_mode);
+  c_option.SetLiteOptimizedModelDir(c_lite_optimized_model_dir);
+  if (c_enable_lite_fp16) {
+    c_option.EnableLiteFP16();
+  }
+  // 如果您实现的是其他模型，比如PPYOLOE，请注意修改此处绑定的C++类型
+  auto c_model_ptr = new fastdeploy::vision::detection::PicoDet(
+      c_model_file, c_params_file, c_config_file, c_option);
+  // Enable record Runtime time costs.
+  if (enable_record_time_of_runtime) {
+    c_model_ptr->EnableRecordTimeOfRuntime();
+  }
+  // Load detection labels if label path is not empty.
+  if ((!fastdeploy::jni::AssetsLoaderUtils::IsDetectionLabelsLoaded()) &&
+      (!c_label_file.empty())) {
+    fastdeploy::jni::AssetsLoaderUtils::LoadDetectionLabels(c_label_file);
+  }
+  // WARN: need to release manually in Java !
+  return reinterpret_cast<jlong>(c_model_ptr);  // native model context
+}
+
+// 通过传入的模型指针在C++层进行预测
+JNIEXPORT jlong JNICALL
+Java_com_baidu_paddle_fastdeploy_vision_detection_PicoDet_predictNative(
+    JNIEnv *env, jclass clazz, jlong native_model_context,
+    jobject argb8888_bitmap, jboolean saved, jstring saved_image_path,
+    jfloat score_threshold, jboolean rendering) {
+  if (native_model_context == 0) {
+    return 0;
+  }
+  cv::Mat c_bgr;
+  auto t = fastdeploy::jni::GetCurrentTime();
+  if (!fastdeploy::jni::ARGB888Bitmap2BGR(env, argb8888_bitmap, &c_bgr)) {
+    return 0;
+  }
+  LOGD("Read from bitmap costs %f ms", fastdeploy::jni::GetElapsedTime(t));
+  auto c_model_ptr = reinterpret_cast<fastdeploy::vision::detection::PicoDet *>(
+      native_model_context);
+  auto c_result_ptr = new fastdeploy::vision::DetectionResult();
+  t = fastdeploy::jni::GetCurrentTime();
+  if (!c_model_ptr->Predict(&c_bgr, c_result_ptr)) {
+    delete c_result_ptr;
+    return 0;
+  }
+  LOGD("Predict from native costs %f ms", fastdeploy::jni::GetElapsedTime(t));
+  if (c_model_ptr->EnabledRecordTimeOfRuntime()) {
+    auto info_of_runtime = c_model_ptr->PrintStatisInfoOfRuntime();
+    LOGD("Avg runtime costs %f ms", info_of_runtime["avg_time"] * 1000.0f);
+  }
+  if (!c_result_ptr->boxes.empty() && rendering) {
+    t = fastdeploy::jni::GetCurrentTime();
+    cv::Mat c_vis_im;
+    if (fastdeploy::jni::AssetsLoaderUtils::IsDetectionLabelsLoaded()) {
+      c_vis_im = fastdeploy::vision::VisDetection(
+          c_bgr, *(c_result_ptr),
+          fastdeploy::jni::AssetsLoaderUtils::GetDetectionLabels(),
+          score_threshold, 2, 1.0f);
+    } else {
+      c_vis_im = fastdeploy::vision::VisDetection(c_bgr, *(c_result_ptr),
+                                                  score_threshold, 2, 1.0f);
+    }
+    LOGD("Visualize from native costs %f ms",
+         fastdeploy::jni::GetElapsedTime(t));
+    // Rendering to bitmap
+    t = fastdeploy::jni::GetCurrentTime();
+    if (!fastdeploy::jni::BGR2ARGB888Bitmap(env, argb8888_bitmap, c_vis_im)) {
+      delete c_result_ptr;
+      return 0;
+    }
+    LOGD("Write to bitmap from native costs %f ms",
+         fastdeploy::jni::GetElapsedTime(t));
+    std::string c_saved_image_path =
+        fastdeploy::jni::ConvertTo<std::string>(env, saved_image_path);
+    if (!c_saved_image_path.empty() && saved) {
+      t = fastdeploy::jni::GetCurrentTime();
+      cv::imwrite(c_saved_image_path, c_vis_im);
+      LOGD("Save image from native costs %f ms, path: %s",
+           fastdeploy::jni::GetElapsedTime(t), c_saved_image_path.c_str());
+    }
+  }
+  // WARN: need to release it manually in Java !
+  return reinterpret_cast<jlong>(c_result_ptr);  // native result context
+}
+
+// 在C++层释放模型资源
+JNIEXPORT jboolean JNICALL
+Java_com_baidu_paddle_fastdeploy_vision_detection_PicoDet_releaseNative(
+    JNIEnv *env, jclass clazz, jlong native_model_context) {
+  if (native_model_context == 0) {
+    return JNI_FALSE;
+  }
+  auto c_model_ptr = reinterpret_cast<fastdeploy::vision::detection::PicoDet *>(
+      native_model_context);
+  if (c_model_ptr->EnabledRecordTimeOfRuntime()) {
+    auto info_of_runtime = c_model_ptr->PrintStatisInfoOfRuntime();
+    LOGD("[End] Avg runtime costs %f ms",
+         info_of_runtime["avg_time"] * 1000.0f);
+  }
+  delete c_model_ptr;
+  LOGD("[End] Release PicoDet in native !");
+  return JNI_TRUE;
+}
+
+#ifdef __cplusplus
+}
+#endif
+```  
+## 编写CMakeLists.txt及配置build.gradle  
+实现好的JNI代码，需要被编译成so库，才能被Java调用，为实现该目的，需要在build.gradle中添加JNI项目支持，并编写对应的CMakeLists.txt。  
+- build.gradle中配置NDK、CMake以及Android ABI  
+```java
+android {
+    defaultConfig {
+        // 省略其他配置 ...
+        externalNativeBuild {
+            cmake {
+                arguments '-DANDROID_PLATFORM=android-21', '-DANDROID_STL=c++_shared', "-DANDROID_TOOLCHAIN=clang"
+                abiFilters 'armeabi-v7a', 'arm64-v8a'
+                cppFlags "-std=c++11"
+            }
+        }
+    }
+    // 省略其他配置 ...
+    externalNativeBuild {
+        cmake {
+            path file('src/main/cpp/CMakeLists.txt')
+            version '3.10.2'
+        }
+    }
+    ndkVersion '20.1.5948944'
+}
+```  
+- 编写CMakeLists.txt示例  
+```cmake  
+cmake_minimum_required(VERSION 3.10.2)
+project("fastdeploy_jni")
+
+set(FastDeploy_DIR "${CMAKE_CURRENT_SOURCE_DIR}/../../../libs/fastdeploy-android-0.4.0-shared")
+
+find_package(FastDeploy REQUIRED)
+
+include_directories(${CMAKE_CURRENT_SOURCE_DIR})
+include_directories(${FastDeploy_INCLUDE_DIRS})
+
+add_library(
+        fastdeploy_jni
+        SHARED
+        utils_jni.cc
+        bitmap_jni.cc
+        vision/results_jni.cc
+        vision/visualize_jni.cc
+        vision/detection/picodet_jni.cc
+        vision/classification/paddleclas_model_jni.cc)
+
+find_library(log-lib log)
+
+target_link_libraries(
+        # Specifies the target library.
+        fastdeploy_jni
+        jnigraphics
+        ${FASTDEPLOY_LIBS}
+        GLESv2
+        EGL
+        ${log-lib}
+)
+```
+完整的工程示例，请参考 [android/app/src/main/cpp/CMakelists.txt](../../../examples/vision/detection/paddledetection/android/app/src/main/cpp/) 以及 [android/app/build.gradle](../../../examples/vision/detection/paddledetection/android/app/build.gradle).
+
+## 更多FastDeploy Android 使用案例请参考以下文档：  
+- [图像分类Android使用文档](../../../examples/vision/classification/paddleclas/android/README.md)  
+- [目标检测Android使用文档](../../../examples/vision/detection/paddledetection/android/README.md)  
diff --git a/examples/vision/classification/paddleclas/android/README.md b/examples/vision/classification/paddleclas/android/README.md
index cd1579c846c..05164d8435a 100644
--- a/examples/vision/classification/paddleclas/android/README.md
+++ b/examples/vision/classification/paddleclas/android/README.md
@@ -152,4 +152,4 @@ set(FastDeploy_DIR "${CMAKE_CURRENT_SOURCE_DIR}/../../../libs/fastdeploy-android
 ## 如何通过 JNI 在 Native 层接入 FastDeploy C++ API ?  
 如果您对如何通过JNI来接入FastDeploy C++ API感兴趣，可以参考以下内容:  
 - [app/src/main/cpp 代码实现](./app/src/main/cpp/)
-- [在 Android 中使用 FastDeploy C++ SDK](../../../../../docs/cn/faq/use_cpp_sdk_on_android.md)  
+- [在 Android 中通过 JNI 使用 FastDeploy C++ SDK](../../../../../docs/cn/faq/use_cpp_sdk_on_android.md)  

From 8f837d90dc5cd4d1dfe00dcb6ca51372786636fb Mon Sep 17 00:00:00 2001
From: DefTruth <qiustudent_r@163.com>
Date: Sat, 22 Oct 2022 21:55:10 +0800
Subject: [PATCH 10/10] [Doc] Update fastdeploy android jni usage docs

---
 docs/cn/faq/use_cpp_sdk_on_android.md | 86 ++++++++++-----------------
 1 file changed, 30 insertions(+), 56 deletions(-)

diff --git a/docs/cn/faq/use_cpp_sdk_on_android.md b/docs/cn/faq/use_cpp_sdk_on_android.md
index dc08297dd83..bdea635b4b2 100644
--- a/docs/cn/faq/use_cpp_sdk_on_android.md
+++ b/docs/cn/faq/use_cpp_sdk_on_android.md
@@ -1,7 +1,16 @@
 # 在 Android 中通过 JNI 使用 FastDeploy C++ SDK  
 本文档将以PicoDet为例，讲解如何通过JNI，将FastDeploy中的模型封装到Android中进行调用。阅读本文档，您至少需要了解C++、Java、JNI以及Android的基础知识。如果您主要关注如何在Java层如何调用FastDeploy的API，则可以不阅读本文档。
 
-## 新建PicoDet Java类及定义需要C++层实现的native API  
+## 目录  
+- [新建Java类并定义native API](#Java)  
+- [Android Studio 生成JNI函数定义](#JNI)  
+- [在C++层实现JNI函数](#CPP)  
+- [编写CMakeLists.txt及配置build.gradle](#CMakeAndGradle)  
+- [更多FastDeploy Android 使用案例](#Examples)
+
+## 新建Java类并定义native API  
+<div id="Java"></div>
+
 ```java  
 public class PicoDet {
     protected long mNativeModelContext = 0; // Context from native.
@@ -36,29 +45,32 @@ public class PicoDet {
 }
 ```
 这些被标记为native的接口是需要通过JNI的方式实现，并在Java层供PicoDet类调用。完整的PicoDet Java代码请参考 [PicoDet.java](../../../examples/vision/detection/paddledetection/android/app/src/main/java/com/baidu/paddle/fastdeploy/vision/detection/PicoDet.java) 。各个函数说明如下：  
-- bindNative: C++层初始化模型资源，如果成功初始化，则返回指向该模型的指针(long类型)，否则返回0指针  
-- predictNative: 通过已经初始化好的模型指针，在C++层执行预测代码，如果预测成功则返回指向预测结果的指针，否则返回0指针。注意，该结果指针在当次预测使用完之后需要释放，具体操作请参考 [PicoDet.java](../../../examples/vision/detection/paddledetection/android/app/src/main/java/com/baidu/paddle/fastdeploy/vision/detection/PicoDet.java) 中的predict函数。  
-- releaseNative: 根据传入的模型指针，在C++层释放模型资源。
+- `bindNative`: C++层初始化模型资源，如果成功初始化，则返回指向该模型的指针(long类型)，否则返回0指针  
+- `predictNative`: 通过已经初始化好的模型指针，在C++层执行预测代码，如果预测成功则返回指向预测结果的指针，否则返回0指针。注意，该结果指针在当次预测使用完之后需要释放，具体操作请参考 [PicoDet.java](../../../examples/vision/detection/paddledetection/android/app/src/main/java/com/baidu/paddle/fastdeploy/vision/detection/PicoDet.java) 中的predict函数。  
+- `releaseNative`: 根据传入的模型指针，在C++层释放模型资源。
 
-## Android Studio 生成JNI函数定义
-- Android Studio 生成 JNI 函数定义: 鼠标停留在Java中定义的native函数上，Android Studio 便会提示是否要创建JNI函数定义；这里，我们把JNI函数定义创建在一个事先创建好的c++文件`picodet_jni.cc`上;
+## Android Studio 生成JNI函数定义  
+<div id="JNI"></div>
 
-使用Android Studio创建JNI函数定义：
+Android Studio 生成 JNI 函数定义: 鼠标停留在Java中定义的native函数上，Android Studio 便会提示是否要创建JNI函数定义；这里，我们把JNI函数定义创建在一个事先创建好的c++文件`picodet_jni.cc`上;
+
+- 使用Android Studio创建JNI函数定义：
 ![](https://user-images.githubusercontent.com/31974251/197341065-cdf8f626-4bb1-4a57-8d7a-80b382fe994e.png)  
 
-将JNI函数定义创建在picodet_jni.cc上：
+- 将JNI函数定义创建在picodet_jni.cc上：
 ![](https://user-images.githubusercontent.com/31974251/197341190-b887dec5-fa75-43c9-9ab3-7ead50c0eb45.png)
 
-创建的JNI函数定义如下：  
+- 创建的JNI函数定义如下：  
 ![](https://user-images.githubusercontent.com/31974251/197341274-e9671bac-9e77-4043-a870-9d5db914586b.png)
 
 其他native函数对应的JNI函数定义的创建和此流程一样。  
 
 ## 在C++层实现JNI函数  
+<div id="CPP"></div>
+
 以下为PicoDet JNI层实现的示例，相关的辅助函数不在此处赘述，完整的C++代码请参考 [android/app/src/main/cpp](../../../examples/vision/detection/paddledetection/android/app/src/main/cpp/).
 ```C++
 #include <jni.h>  // NOLINT
-
 #include "fastdeploy_jni.h"  // NOLINT
 
 #ifdef __cplusplus
@@ -115,11 +127,9 @@ Java_com_baidu_paddle_fastdeploy_vision_detection_PicoDet_predictNative(
     return 0;
   }
   cv::Mat c_bgr;
-  auto t = fastdeploy::jni::GetCurrentTime();
   if (!fastdeploy::jni::ARGB888Bitmap2BGR(env, argb8888_bitmap, &c_bgr)) {
     return 0;
   }
-  LOGD("Read from bitmap costs %f ms", fastdeploy::jni::GetElapsedTime(t));
   auto c_model_ptr = reinterpret_cast<fastdeploy::vision::detection::PicoDet *>(
       native_model_context);
   auto c_result_ptr = new fastdeploy::vision::DetectionResult();
@@ -128,43 +138,7 @@ Java_com_baidu_paddle_fastdeploy_vision_detection_PicoDet_predictNative(
     delete c_result_ptr;
     return 0;
   }
-  LOGD("Predict from native costs %f ms", fastdeploy::jni::GetElapsedTime(t));
-  if (c_model_ptr->EnabledRecordTimeOfRuntime()) {
-    auto info_of_runtime = c_model_ptr->PrintStatisInfoOfRuntime();
-    LOGD("Avg runtime costs %f ms", info_of_runtime["avg_time"] * 1000.0f);
-  }
-  if (!c_result_ptr->boxes.empty() && rendering) {
-    t = fastdeploy::jni::GetCurrentTime();
-    cv::Mat c_vis_im;
-    if (fastdeploy::jni::AssetsLoaderUtils::IsDetectionLabelsLoaded()) {
-      c_vis_im = fastdeploy::vision::VisDetection(
-          c_bgr, *(c_result_ptr),
-          fastdeploy::jni::AssetsLoaderUtils::GetDetectionLabels(),
-          score_threshold, 2, 1.0f);
-    } else {
-      c_vis_im = fastdeploy::vision::VisDetection(c_bgr, *(c_result_ptr),
-                                                  score_threshold, 2, 1.0f);
-    }
-    LOGD("Visualize from native costs %f ms",
-         fastdeploy::jni::GetElapsedTime(t));
-    // Rendering to bitmap
-    t = fastdeploy::jni::GetCurrentTime();
-    if (!fastdeploy::jni::BGR2ARGB888Bitmap(env, argb8888_bitmap, c_vis_im)) {
-      delete c_result_ptr;
-      return 0;
-    }
-    LOGD("Write to bitmap from native costs %f ms",
-         fastdeploy::jni::GetElapsedTime(t));
-    std::string c_saved_image_path =
-        fastdeploy::jni::ConvertTo<std::string>(env, saved_image_path);
-    if (!c_saved_image_path.empty() && saved) {
-      t = fastdeploy::jni::GetCurrentTime();
-      cv::imwrite(c_saved_image_path, c_vis_im);
-      LOGD("Save image from native costs %f ms, path: %s",
-           fastdeploy::jni::GetElapsedTime(t), c_saved_image_path.c_str());
-    }
-  }
-  // WARN: need to release it manually in Java !
+  // ...
   return reinterpret_cast<jlong>(c_result_ptr);  // native result context
 }
 
@@ -177,13 +151,8 @@ Java_com_baidu_paddle_fastdeploy_vision_detection_PicoDet_releaseNative(
   }
   auto c_model_ptr = reinterpret_cast<fastdeploy::vision::detection::PicoDet *>(
       native_model_context);
-  if (c_model_ptr->EnabledRecordTimeOfRuntime()) {
-    auto info_of_runtime = c_model_ptr->PrintStatisInfoOfRuntime();
-    LOGD("[End] Avg runtime costs %f ms",
-         info_of_runtime["avg_time"] * 1000.0f);
-  }
+  // ...
   delete c_model_ptr;
-  LOGD("[End] Release PicoDet in native !");
   return JNI_TRUE;
 }
 
@@ -192,6 +161,8 @@ Java_com_baidu_paddle_fastdeploy_vision_detection_PicoDet_releaseNative(
 #endif
 ```  
 ## 编写CMakeLists.txt及配置build.gradle  
+<div id="CMakeAndGradle"></div>  
+
 实现好的JNI代码，需要被编译成so库，才能被Java调用，为实现该目的，需要在build.gradle中添加JNI项目支持，并编写对应的CMakeLists.txt。  
 - build.gradle中配置NDK、CMake以及Android ABI  
 ```java
@@ -252,6 +223,9 @@ target_link_libraries(
 ```
 完整的工程示例，请参考 [android/app/src/main/cpp/CMakelists.txt](../../../examples/vision/detection/paddledetection/android/app/src/main/cpp/) 以及 [android/app/build.gradle](../../../examples/vision/detection/paddledetection/android/app/build.gradle).
 
-## 更多FastDeploy Android 使用案例请参考以下文档：  
+## 更多FastDeploy Android 使用案例  
+<div id="Examples"></div>  
+
+更多FastDeploy Android 使用案例请参考以下文档:  
 - [图像分类Android使用文档](../../../examples/vision/classification/paddleclas/android/README.md)  
 - [目标检测Android使用文档](../../../examples/vision/detection/paddledetection/android/README.md)