yolo26 这个模型，我转为ncnn，安卓平台有问题

[1103337638]

error log | 日志或报错信息 | ログ

context | 编译/运行环境 | バックグラウンド

how to reproduce | 复现步骤 | 再現方法

more | 其他 | その他

026-01-19 20:15:33.278 22410-27749 libc com.example.yolodoctest A Fatal signal 11 (SIGSEGV), code 1 (SEGV_MAPERR), fault addr 0xb400007678368a28 in tid 27749 (DefaultDispatch), pid 22410 (ple.yolodoctest)
2026-01-19 20:15:33.278 22410-27749 libc com.example.yolodoctest I debuggerd_dispatch_pseudothread start. crashing tid: 27749
2026-01-19 20:15:33.308 22410-27749 libc com.example.yolodoctest I crash_dump pid: 27851
2026-01-19 20:15:33.673 27852-27852 DEBUG crash_dump64 A Cmdline: com.example.yolodoctest
2026-01-19 20:15:33.673 27852-27852 DEBUG crash_dump64 A pid: 22410, tid: 27749, name: DefaultDispatch >>> com.example.yolodoctest <<<
2026-01-19 20:15:33.673 27852-27852 DEBUG crash_dump64 A #00 pc 000000000047818c /data/app/_p6zF3Stfmjal1ud-JAreQ==/com.example.yolodoctest-hGZ5RQQhEmuBfV3p3-Ntag==/base.apk!libncnn.so (offset 0x1c0e000) (BuildId: 05c5d76759fdd7d943a9d6abf88540cf399d4d04)
2026-01-19 20:15:33.673 27852-27852 DEBUG crash_dump64 A #1 pc 000000000098f2c8 /data/app/_p6zF3Stfmjal1ud-JAreQ==/com.example.yolodoctest-hGZ5RQQhEmuBfV3p3-Ntag==/base.apk!libncnn.so (offset 0x1c0e000) (__kmp_invoke_microtask+152) (BuildId: 05c5d76759fdd7d943a9d6abf88540cf399d4d04)
2026-01-19 20:15:33.707 2657-27858 ActivityManager system_server I note: ProcessRecord{53ab911 22410:com.example.yolodoctest/u0a388} is being killed, reason: APP CRASH(NATIVE), sub-reason: UNKNOWN, message: crash
202

[dosubot]

Hi @1103337638! I'm Dosu and I’m helping the ncnn team.

你遇到的 SIGSEGV 崩溃在 ncnn 跑 YOLOv6/YOLOv8 这类模型时，最常见的原因是模型输出 shape 和 ncnn 的 YoloDetectionOutput 层要求不一致，尤其是在自定义类别数或 anchor 数量时。ncnn 要求每个 anchor 的输出通道数必须是 4（bbox）+1（置信度）+num_class，比如单类别就是 6。如果你的模型输出 shape 不对，比如是 65 或 144 通道（常见于直接导出或 view 操作没改），就会导致 ncnn 层返回错误码，进而在 Android 上崩溃（SIGSEGV）参考。

建议排查和修复步骤如下：

1. 检查 ncnn param 文件中最后输出层的 shape，确认通道数是否为 anchor_num × (4+1+num_class)。
2. 检查 pnnx 导出脚本（如 best_pnnx.py）里的 view/reshape/transpose 操作，确保参数和你的类别数、anchor 数一致。比如单类别应为 view(1, 6, -1) 或类似格式参考。
3. 如果模型有自定义层，确保这些层已在 ncnn 注册或实现，否则也会崩溃参考。
4. 转换模型时，建议先转为 torchscript 或 onnx，再用最新版 pnnx 工具转换，指定正确的 inputshape 和 customop 参数参考。
5. 检查 JNI/native 层代码，确保模型加载和推理的返回值有做错误处理，避免未捕获的异常导致崩溃。

如果还有问题，可以用 ncnn 的 verbose 模式打印 shape，确认每一层输出都和预期一致。只要输出 shape 和 ncnn 的要求一致，绝大多数 SIGSEGV 都能解决。

To reply, just mention @dosu.

---

^{How did I do? Good | Irrelevant | Incorrect | Verbose | Hallucination | Report 🐛 | Other}