Visão geral
Introdução
Seeed SenseCraft Model Assistant (ou simplesmente SSCMA) é um projeto open source focado em IA embarcada. Otimizamos algoritmos excelentes do OpenMMLab para cenários do mundo real e tornamos a implementação mais amigável ao usuário, alcançando inferência mais rápida e precisa em dispositivos embarcados.
O que está incluído?
Atualmente, oferecemos suporte às seguintes direções de algoritmos:
🔍 Detecção de anomalias
No mundo real, dados anômalos geralmente são difíceis de identificar e, mesmo quando é possível identificá-los, isso exige um custo muito alto. O algoritmo de detecção de anomalias coleta dados normais de forma de baixo custo, e qualquer coisa fora dos dados normais é considerada anômala.
👁️ Visão computacional
Aqui fornecemos vários algoritmos de visão computacional, como detecção de objetos, classificação de imagens, segmentação de imagens e estimativa de pose. No entanto, esses algoritmos não podem ser executados em hardwares de baixo custo. O SSCMA otimiza esses algoritmos de visão computacional para alcançar boa velocidade de execução e precisão em dispositivos de baixo desempenho.
⏱️ Cenários específicos
O SSCMA oferece cenários personalizados para ambientes de produção específicos, como identificação de instrumentos analógicos, medidores digitais tradicionais e classificação de áudio. Continuaremos a adicionar mais algoritmos para cenários específicos no futuro.
Recursos
🤝 Amigável ao usuário
O SSCMA fornece uma plataforma amigável ao usuário que permite realizar facilmente o treinamento em dados coletados e compreender melhor o desempenho dos algoritmos por meio de visualizações geradas durante o processo de treinamento.
🔋 Modelos com baixa capacidade de computação e alto desempenho
O SSCMA se concentra em pesquisa de algoritmos de IA na borda, e os modelos de algoritmo podem ser implantados em microprocessadores, como ESP32, algumas placas de desenvolvimento Arduino e até mesmo em SBCs embarcados, como o Raspberry Pi.
🗂️ Suporta vários formatos para exportação de modelos
TensorFlow Lite é usado principalmente em microcontroladores, enquanto ONNX é usado principalmente em dispositivos com Embedded Linux. Existem alguns formatos especiais, como TensorRT, OpenVINO, que já são bem suportados pelo OpenMMLab. O SSCMA adicionou exportação de modelos TFLite para microcontroladores, que podem ser convertidos diretamente para o formato TensorRT, UF2 e arrastados para dentro do dispositivo para implantação.
Exemplos de aplicação
Detecção de objetos
Reconhecimento de medidor analógico
Reconhecimento de medidor digital
Mais exemplos de aplicação podem ser encontrados no Model Zoo。