项目简介

Seeed SenseCraft Model Assistant (SSCMA) 是一个专注于嵌入式人工智能的开源项目。我们从 OpenMMLab 优化了出色的算法，针对实际场景进行了改进，并使实现更加用户友好，从而在嵌入式设备上实现更快速、更准确的推断。

包含哪些内容？

目前，我们支持以下几个方向的算法：

🔍 异常检测

在现实世界中，异常数据通常很难识别，即使能够识别，也需要很高的成本。异常检测算法以低成本的方式收集正常数据，将正常数据之外的任何内容视为异常。

👁️ 计算机视觉

我们提供了许多计算机视觉算法，如目标检测、图像分类、图像分割和姿态估计。然而，这些算法无法在低成本硬件上运行。SSCMA 优化了这些计算机视觉算法，在低端设备上实现了良好的运行速度和准确性。

⏱️ 特定场景

SSCMA 为特定的生产环境提供定制化场景，例如模拟仪器的识别、传统数字仪表和音频分类。我们将继续在未来为指定场景添加更多算法。

特点

🤝 用户友好

SSCMA 提供了一个用户友好的平台，让用户可以轻松地对收集的数据进行训练，并通过在训练过程中生成的可视化结果更好地了解算法的性能。

🔋 低计算能力高性能模型

SSCMA 专注于边缘端AI算法研究，算法模型可部署在微处理器上，类似于ESP32、一些Arduino开发板，甚至嵌入式SBC（如 Raspberry Pi ）等设备上。

🗂️ 支持多种模型导出格式

TensorFlow Lite 主要用于微控制器，而 ONNX 主要用于嵌入式Linux设备。还有一些特殊格式，如 TensorRT、OpenVINO，这些格式已经得到OpenMMLab的良好支持。SSCMA添加了用于微控制器的TFLite模型导出功能，可以直接转换为 TensorRT 格式。

应用示例

目标检测

指针表计

数字表计

More application examples can be found in Model Zoo。