![](https://img-blog.csdnimg.cn/20201014180756724.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
AI
文章平均质量分 91
csdnsqst0050
这个作者很懒,什么都没留下…
展开
-
探索QCS6490目标检测AI应用开发(三):模型推理
在人工智能技术的飞速发展中,目标检测技术已成为智能视频分析领域的明星。本文将带您走进高通QCS6490平台,一探究竟如何利用其强大的硬件能力. 在前文已经介绍了使用Intelligent Multimedia SDK(IM SDK),完成视频的拉流和解码,在本期的文章中,将会介绍如何使用解码后的视频帧结合Yolov8n模型推理。原创 2024-06-26 18:19:50 · 631 阅读 · 0 评论 -
探索QCS6490目标检测AI应用开发(一):Yolov8n模型转换及量化
QCS6490是高通公司针对高端物联网终端而优化的SoC,在性能和功耗上有最优的平衡。《探索QCS6490目标检测AI应用开发》是介绍如何基于QCS6490平台完成AI+IoT的应用开发的系列文章。 本期主要介绍如何在FV01开发板上开发一个目标检测AI应用程序。原创 2024-06-26 17:49:59 · 826 阅读 · 0 评论 -
探索QCS6490目标检测AI应用开发(二):摄像头视频的拉取和解码
在人工智能技术的飞速发展中,目标检测技术已成为智能视频分析领域的明星。本文将带您走进高通QCS6490平台,一探究竟如何利用其强大的硬件能力,结合Intelligent Multimedia SDK(IM SDK),完成视频的拉流和解码,开发高效能的目标检测AI应用。原创 2024-06-26 18:05:33 · 801 阅读 · 0 评论 -
ONNX系列: ONNX模型结构解析
ONNX 全称为 Open Neural Network Exchange, 是微软提出并推广的一种机器学习模型的开放格式表示,定义了一组通用的算子集、一系列用于构建深度学习模型的模块以及一种通用的文件格式,使得人工智能开发人员能够将模型与各种框架、工具、运行时和编译器一起使用。AI模型部署工程师可以针对 ONNX 这一中间格式来针对不同的硬件平台进行运行时设计和优化,从而实现AI模型设计和模型部署的解耦。本文将重点解析ONNX 模型结构,并演示了如何使用Python脚本定位到ONNX模型各个层面的元素。原创 2024-03-27 15:40:42 · 2227 阅读 · 0 评论 -
ONNX系列: ONNX模型修改
在我们熟悉了ONNX模型各个层级的结构后,我们便可以针对各个结构来对模型进行修改,从而使其更好的适配后端运行时或者特定硬件平台的编译器。ONNX官方提供了一套完整的Python API以供开发者对模型进行自定义修改。本文将结合Python代码,介绍如何使用ONNX官方API来对ONNX模型进行"增删改查"操作。原创 2024-04-10 10:54:38 · 1688 阅读 · 1 评论 -
Qualcomm AI Hub-Profiling介绍
Qualcomm AI Hub能够帮助开发者能够快速的针对AI模型进行验证,优化以及部署到设备端。本文主要介绍AI Hub是中的模型性能调优(Profiling)都测量了哪些关键的指标以及不同指标代表的意义。原创 2024-03-12 17:25:06 · 1203 阅读 · 1 评论 -
Qualcomm AI Hub-API介绍
高通在2024年世界移动通信大会(MWC2024)上发布高通AI Hub, 使用AI Hub 极大的简化了AI 模型部署到边缘设备的过程。 只需要几分钟,通过AI-hub云端托管的 Qualcomm 设备上快速优化、验证和部署您自己的 AI 模型。本文介绍AI Hub客户端的API接口,这些接口能够方便的开发者使用AI-hub的能力。原创 2024-03-12 17:15:34 · 828 阅读 · 0 评论 -
Qualcomm AI Hub-示例(一)编译模型
Qualcomm AI Hub支持Pytorch、ONNX、AIMET、Tensorflow等主流AI框架训练的模型,本文介绍了如何使用AI Hub相关的SDK接口把这些模型编译成TensorFlow Lite和Qualcomm AI Engine Direct (QNN)。原创 2024-03-20 16:54:51 · 1033 阅读 · 0 评论 -
Qualcomm AI Hub-示例(二)模型性能分析
Qualcomm AI Hub有助于在设备上优化、验证和部署机器学习模型,用于视觉、音频和语音用例。AI Hub上的配置文件衡量在各种物理设备上运行优化模型所需的资源。它收集的指标是专门为帮助您确定模型是否符合您的时间和内存预算而设计的。原创 2024-03-20 16:49:45 · 887 阅读 · 0 评论 -
Qualcomm AI Hub-示例(三)模型推理
Qualcomm AI Hub提供了部署在云端边缘物理设备执行模型推理的任务,让你能够快速的评估在真实硬件上模型推理的精度和性能。本文介绍了如何使用AI Hub提供的接口在云端设备执行推理。原创 2024-03-20 16:59:48 · 1252 阅读 · 1 评论 -
高通 AI Hub 上手指南
高通在2024年世界移动通信大会(MWC2024)上发布高通AI Hub, 使用AI Hub 极大的简化了AI 模型部署到边缘设备的过程。 只需要几分钟,通过AI-hub云端托管的 Qualcomm 设备上快速优化、验证和部署您自己的 AI 模型。原创 2024-02-27 16:05:54 · 2431 阅读 · 2 评论 -
模型转换案例学习:等效替换不支持算子
高通SNPE支持Caffe、ONNX、PyTorch和TensorFlow等主流ML的模型转换。对于某些不支持的算子,替换成等效的自定义算子完成模型转换。在本篇文章中,我们以Pytorch 版本的MobilenetV3为案例,介绍如何使用算子替换的方法转换模型。原创 2024-02-21 18:06:14 · 1177 阅读 · 0 评论 -
高通AI应用快速上手:基于Transformers的智能问答
智能问答实际需求有很多,如常用的搜索引擎google,输入关键字后,将推送相关联的网页或文章。还有在段落或文章中找到答案:这个问题常被称为阅读理解,这是本文介绍应用的主要功能。本文基于高通GitHub上开源的代码,介绍了如何在高通Snapdragon 8 Gen 2的手机上,开发基于Transformers的智能问答Android应用。原创 2024-01-25 14:57:04 · 1690 阅读 · 0 评论 -
AI应用快速上手:基于文本的情感分析
情感分析是可以标识出语句的正面或者负面情绪,主要包括:正向(Positive),负向(Negative)两个值。本文基于高通GitHub上开源的代码,介绍了如何在高通Snapdragon 8 Gen 2的手机上,开发文本情感分析的Android应用。原创 2024-01-25 14:48:14 · 1743 阅读 · 0 评论 -
高通AI Stack Models开源仓库介绍(二)
Qualcomm AI Stack Models是高通开源的一个示例仓库,包括了端到端的解决方案,模型调优等例子。本文主要介绍AI solution所需要用到的Model。原创 2024-01-18 16:11:37 · 2021 阅读 · 0 评论 -
高通AI Stack Models开源仓库介绍(一)
AI是高通一直关注的领域,高通AI软件栈(Qualcomm AI Stack)提供了一个集成所有AI框架(如TensorFlow、PyTorch、ONNX、Keras)、开发者库、系统软件和操作系统的整合平台,有不同层面的架构支持,能够助力开发人员一次开发,即可跨不同终端和操作系统进行扩展,赋能生态系统。Qualcomm AI Stack Models是高通开源的一个示例仓库,提供了端到到的解决方案示例代码,以及模型精度调优等例子。本文主要介绍Qualcomm AI Stack Models设计的解决方案。原创 2024-01-18 15:56:58 · 1832 阅读 · 0 评论 -
AI应用快速上手:图片超分
图片超分是指通过硬件或软件算法将一幅低分辨率的图像恢复生成高分辨率图像本文基于了高通GitHub上开源的代码,介绍了如何在高通Snapdragon 8 Gen 2的手机上,开发图片超分的Android应用。原创 2024-01-11 15:05:09 · 1695 阅读 · 1 评论 -
基于Qualcomm Robotics RB5边缘侧AI应用—人群热力图
热力图是一个区域中基于彼此距离的不同颜色编码的人或任何物体的视觉表示。热力图可以用来进行相关分析,例如可以知道顾客对商店中产品的偏好区域,从而做出对应的措施,避免结账时过度拥挤。可以使用YoloV5模型进行人员检测。在这个存储库中,我们实现了各种AI用例,这些用例可以使用YoloV5模型在高通Robotics RB5平台上实现。原创 2024-01-11 10:56:46 · 1263 阅读 · 2 评论 -
基于Qualcomm Robotics RB5边缘侧AI应用—人脸/口罩/人员计数目标检测
目标检测是机器视觉的常用的任务,本文介绍基于高通Snapdragon 与 Yolov5 模型实现边缘计算的场景实现人脸、口罩、人员计数。相关的代码已开源,可以在GitHub上获取。原创 2024-01-11 10:39:05 · 1140 阅读 · 1 评论 -
AI应用快速上手:姿态检测
姿态检测是通过算法从给定的图像中识别人物的关键点,如检测出人体的眼睛、鼻子、肩膀、手臂、臀部、膝盖等关键点,然后再将各关键点有序连接,形成骨架。本文基于高通GitHub上开源的代码,介绍了如何在高通Snapdragon 8 Gen 2的手机上,开发姿态检测的Android应用。原创 2024-01-11 09:56:58 · 1283 阅读 · 1 评论 -
AI应用快速上手:基于YoloNAS的目标检测
目标检测是计算机视觉领域中的一个重要问题。目标检测有两个主要任务:识别目标类别和确定目标位置。本文介绍了高通Github上的开源项目,一个基于深度学习的YoloNAS实现的Android目标检测的应用,应用示例代码兼容于支持高通SNPE SDK的手机。原创 2023-12-19 16:04:33 · 1461 阅读 · 1 评论 -
基于Qualcomm Robotics RB5边缘侧AI应用 — 年龄和表情及性别估计
人工智能的年龄、表情和情绪检测是计算机视觉领域中的一个重要问题。它可以通过分析人脸图像来识别人的年龄、表情和情绪。基于深度学习的方法已经成为该领域的主流。这些方法使用卷积神经网络(CNN)来提取人脸图像的特征,并使用分类器来预测人的年龄、表情和情绪。这篇文章中,我们演示了如何在高通Robotics RB5平台上实现了年龄,性别和情绪的检测。该应用程序实现了以下基于视觉的人脸检测解决方案:1.年龄检测 2.性别检测 3.情绪检测原创 2023-12-19 15:52:31 · 1689 阅读 · 1 评论 -
基于Qualcomm Robotics RB5边缘侧AI应用, 目标跟踪检测
目标跟踪是计算机视觉的一个常见任务,任务要求检测到连续的视频帧中的目标,并对每一个目标分配唯一标识。跟踪的目标可以行人、车辆、行李等。本文介绍高通开源的行人跟踪示例Linux应用,该基于高通Snapdragon Neural Processing Engine SDK(SNPE)实现。原创 2023-12-08 16:51:12 · 1497 阅读 · 2 评论 -
高通AI应用快速上手:安卓图片增强开发
图像增强是通过算法将原图像附加一些信息或数据,有选择的将图像中感兴趣的部分突出。本文基于高通GitHub上开源的代码,介绍了如何在高通Snapdragon 8 Gen 2的手机上,开发图片增强的Android应用。原创 2023-12-08 16:34:03 · 1803 阅读 · 0 评论