Descripción general

Introducción
Seeed SenseCraft Model Assistant (o simplemente SSCMA) es un proyecto de código abierto enfocado en IA embebida. Hemos optimizado excelentes algoritmos de OpenMMLab para escenarios del mundo real y hemos hecho la implementación más fácil de usar, logrando inferencia más rápida y precisa en dispositivos embebidos.
¿Qué incluye?
Actualmente soportamos las siguientes direcciones de algoritmos:
🔍 Detección de Anomalías
En el mundo real, los datos anómalos son a menudo difíciles de identificar, e incluso si pueden identificarse, requieren un costo muy alto. El algoritmo de detección de anomalías recopila datos normales de manera económica, y cualquier cosa fuera de los datos normales se considera anómala.
👁️ Visión por Computadora
Aquí proporcionamos una serie de algoritmos de visión por computadora como detección de objetos, clasificación de imágenes, segmentación de imágenes y estimación de pose. Sin embargo, estos algoritmos no pueden ejecutarse en hardware de bajo costo. SSCMA optimiza estos algoritmos de visión por computadora para lograr buena velocidad de ejecución y precisión en dispositivos de gama baja.
⏱️ Específicos de Escenario
SSCMA proporciona escenarios personalizados para entornos de producción específicos, como identificación de instrumentos analógicos, medidores digitales tradicionales y clasificación de audio. Continuaremos agregando más algoritmos para escenarios específicos en el futuro.
Características
🤝 Fácil de usar
SSCMA proporciona una plataforma fácil de usar que permite a los usuarios realizar fácilmente entrenamiento en datos recopilados, y comprender mejor el rendimiento de los algoritmos a través de visualizaciones generadas durante el proceso de entrenamiento.
🔋 Modelos con baja potencia de cómputo y alto rendimiento
SSCMA se enfoca en la investigación de algoritmos de IA del lado final, y los modelos de algoritmo pueden desplegarse en microprocesadores, similares a ESP32, algunas placas de desarrollo Arduino, e incluso en SBCs embebidos como Raspberry Pi.
🗂️ Soporta múltiples formatos para exportación de modelos
TensorFlow Lite se usa principalmente en microcontroladores, mientras que ONNX se usa principalmente en dispositivos con Embedded Linux. Hay algunos formatos especiales como TensorRT, OpenVINO que ya están bien soportados por OpenMMLab. SSCMA ha agregado exportación de modelos TFLite para microcontroladores, que puede convertirse directamente a formato TensorRT, UF2 y arrastrarse y soltarse en el dispositivo para despliegue.
Ejemplos de Aplicación
Detección de Objetos

Reconocimiento de Medidores de Aguja

Reconocimiento de Medidores Digitales

Más ejemplos de aplicación se pueden encontrar en Model Zoo。