边缘人工智能

为每个人提供更快、更灵活、可扩展的 AI 部署。我们致力于在开源平台上覆盖各种 AI 场景,以加速行业的 AI 转型。
我们期待利用本地和全球资源,与您一起加速下一代 AI 产品的发展。
由 reComputer - NVIDIA Jetson 系列驱动

生成式 AI
在 Nvidia Jetson 上进行语音字幕生成 | 在 NVIDIA Jetson Orin 上部署 Whisper 实现实时语音转文本 | 如何在 reComputer 上运行本地 LLM 文本转图像 |
---|---|---|
![]() | ![]() | ![]() |
在本教程中,我们向您介绍在 Jetson 上的语音字幕生成,它可以提供实时语音转字幕服务,同时避免互联网上的信息泄露。 | 在本教程中,我们向您介绍在 Jetson 上的实时 Whisper,这种集成使语音处理直接在设备上进行,无需持续的网络连接,增强了隐私和安全性。 | 本教程涵盖了在 Nvidia Jetson Orin NX 16GB 上设置和部署基于本地 LLM 的文本转图像生成模型 |
物体识别
决策支持系统 | 使用 Lumeo 进行物体检测 | 使用 AlwaysAI 进行物体检测 |
---|---|---|
![]() | ![]() | ![]() |
CVEDIA-RT 是一个模块化、跨平台的 AI 推理引擎,为构建决策支持系统提供坚实的基础,从头开始设计,专为开发者和集成商而设计。 | Lumeo 是一个无代码视频分析平台,使您能够快速设计、部署和监控自定义视频分析和其他视觉 AI 应用程序。 | AlwaysAI 是一个重要的计算机视觉开发平台,用于在边缘设备(如 NVIDIA® Jetson 设备)上创建和部署机器学习应用程序。 |
使用 EI 进行安全帽检测 | 使用 Yolov5 进行目标检测 | 使用 Yolov8 进行目标检测 |
---|---|---|
![]() | ![]() | ![]() |
Edge Impulse 是一个机器学习开发平台,使开发者能够创建并部署自定义机器学习模型到边缘设备。开发者可以轻松地在嵌入式设备上构建和部署机器学习模型。 | YOLOv5 是最著名的目标检测算法之一。它只需要少量样本进行训练,同时提供更快的训练时间和高精度。 | YOLOv8 是最著名的目标检测算法之一。它只需要少量样本进行训练,同时提供更快的训练时间和高精度。这是使用 TensorRT 构建的。 |
使用 Yolov8 进行目标检测 | 使用 Scailable 进行目标检测 | 使用 Roboflow 进行目标检测 |
---|---|---|
![]() | ![]() | ![]() |
YOLOv8 是最著名的目标检测算法之一。它只需要少量样本进行训练,同时提供更快的训练时间和高精度。这是使用 DeepStream SDK 构建的。 | Scailable 提供了一个用于大规模创建和管理边缘 AI 解决方案的平台。使用 Scailable,您可以简单地配置任何支持的边缘设备(如路由器、网关或 IPC),将其转变为"智能"设备。 | Roboflow Inference 是使用和部署计算机视觉模型的最简单方法,提供了用于运行推理的 HTTP Roboflow API。 |
口罩检测 | 刀具检测(X光) | 无代码仓库检测 |
---|---|---|
![]() | ![]() | ![]() |
MaskCam 由 Berkeley Design Technology, Inc. (BDTI) 和 Tryolabs S.A. 开发,开发资金由 NVIDIA 提供。 | Yanlu Wei 和 Renshuai Tao 等人 提供,我们介绍这个基础项目,将在 reComputer J1010 上部署一个能够检测违禁物品(刀具)的深度学习模型。 | Seeed Studio 提供无代码实现快速简便物体识别的体验,与 node-red 配合使用。 |
无代码农场守卫 |
---|
![]() |
无代码农场守卫 |
声音识别
![]() |
Cochl.Sense 是一个关于听觉机器学习的开发平台,用于在边缘设备(如 NVIDIA® Jetson 设备)上部署深度学习应用程序。 |
增强深度学习模型
利用 Deci 平台 | 训练和部署 YOLOv8 模型 | 使用 Allxon 进行 OTA 更新 |
---|---|---|
![]() | ![]() | ![]() |
Deci 平台 使您能够轻松地在生产环境中管理、优化、部署和服务模型。您可以继续使用流行的深度学习框架,如 TensorFlow、PyTorch、Keras 和 ONNX。 | 本教程 将指导您在 reComputer 上训练和部署用于交通场景的物体检测模型,并以 YOLOv8 物体检测算法为例 | Allxon 可以帮助您通过 Allxon DMS 门户将 OTA 负载包传送到 Jetson 设备。对于负责生成 OTA 负载包的用户或制造商来说,上传 OTA 负载包非常简单。 |
由 reTerminal 和 reTerminal DM - Raspberry Pi CM4 驱动

物体识别
在 reTerminal 上使用 OpenCV 进行颜色检测 | 在 reTerminal 上使用 OpenCV 进行人脸检测 | 在 reTerminal 上使用 OpenCV 进行物体检测 |
---|---|---|
![]() | ![]() | ![]() |
OpenCV 是一个强大的开源计算机视觉库,专为实时计算机视觉任务而设计。它提供了一套全面的工具和函数,使开发者能够处理图像和视频,为图像处理、物体检测、人脸识别等任务提供解决方案。 | 在本指南中,我们将探索使用 Haar 级联方法进行人脸检测,这是计算机视觉中的一项关键技术,利用机器学习模型来识别面部特征。我们将特别专注于在 reTerminal 上使用 Raspberry Pi 摄像头实现这一功能。 | 在本文档中,我们将深入探讨如何使用 Raspberry Pi 摄像头和 ReTerminal,通过预训练的 EfficientNet 模型检测大约 100 张图像。 |
在 reTerminal 上使用 OpenCV 进行物体跟踪 | 在 reTerminal 上使用 TensorFlow Lite 进行物体检测 | 在 reTerminal 上使用 Edge Impulse 进行物体检测 |
---|---|---|
![]() | ![]() | ![]() |
物体跟踪是在视频的连续帧中持续定位特定物体的过程。在单物体跟踪器领域,初始帧作为参考,目标物体由边界矩形标记。 | TensorFlow Lite 是一套工具,通过帮助开发者在移动设备、嵌入式设备和物联网设备上运行模型来实现设备端机器学习。TensorFlow Lite 的关键特性是针对设备端机器学习进行了优化,重点关注延迟、隐私、连接性、大小和功耗。 | 在本 wiki 中,我们探索使用 Edge Impulse 和 reTerminal 进行物体检测。Edge Impulse 使开发者能够使用真实世界数据创建和优化嵌入式机器学习解决方案。让我们深入了解详细信息。 |
在 reTerminal DM 上使用 Yolov5 进行目标检测 | 在 reTerminal DM 上使用 Edge Impulse 进行目标检测 |
---|---|
![]() | |
YOLOv5 是最著名的目标检测算法之一。它只需要少量样本进行训练,同时提供更快的训练时间和高精度。 | 在这个教程中,我们探索使用 Edge Impulse 和 reTerminal DM 进行目标检测。Edge Impulse 使开发者能够使用真实世界的数据创建和优化嵌入式机器学习解决方案。让我们深入了解详细信息。 |
✨ 贡献者计划
- Seeed Studio 贡献者计划是一个协作计划,旨在团结我们社区的朋友们,与我们共同构建创新解决方案。
- 我们非常期待您的贡献:
技术支持与产品讨论
感谢您选择我们的产品!我们在这里为您提供不同的支持,以确保您使用我们产品的体验尽可能顺畅。我们提供多种沟通渠道,以满足不同的偏好和需求。