![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
模型仓
文章平均质量分 88
Chaihuo x.factory
深度服务产业升级的国际化双创平台
展开
-
模型案例:| 老鼠识别模型!
该模型用于对老鼠和玉米粮仓的识别,采用MobileNetV2卷积神经网络,生成TensorFlow Lite INT8格式文件。通过在玉米粮仓部署传感器和摄像头,结合老鼠识别模型,实时监测玉米粮仓的鼠害问题,帮助农民及时发现老鼠并采取相应措施。转载 2024-07-08 10:06:20 · 4 阅读 · 0 评论 -
模型案例:| 玉米病害识别模型!
该模型用于对玉米锈病和玉米纹枯病两种病害的识别,采用MobileNetV2卷积神经网络,生成TensorFlow Lite INT8格式文件。通过在田间部署传感器和摄像头,结合玉米病害识别模型,实时监测玉米田的健康状况,帮助农民及时发现病害并采取相应措施。转载 2024-07-01 09:28:02 · 19 阅读 · 0 评论 -
模型案例:| 大豆病害识别模型!
它在文本生成、对话系统和语言理解等方面展现出了强大的能力,为人工智能技术的发展开辟了新的可能性。4、弹出“自定义AI模型”窗口,填写模型名称、添加下载的模型文件、单击“新增物体”设置2个识别标签(注意2个标签的名称顺序不能写错,分别是gall(蚜虫)和redspider(红蜘蛛)),填写完成后单击“发送模型”按钮,如下图所示。此外,MobileNetV2作为物体检测和分割的特征提取器非常有效,例如,当与SSDLite配对进行检测时,新模型在取得相同精度的情况下,要比MobileNetV1快大约35%。转载 2024-07-01 09:24:58 · 12 阅读 · 0 评论 -
模型案例:| 鸟类识别模型!
4、弹出“自定义AI模型”窗口,填写模型名称、添加下载的模型文件、单击“新增物体”设置2个识别标签(注意2个标签的名称顺序不能写错,分别是MAGPIE和SPARROW),填写完成后单击“发送模型”按钮,如下图所示。这种灵活性使得Keras非常适合于图像分类任务。SenseCraft-AI平台的模型仓数量还很少,但是好消息是它支持自定义模型上传并输出推理结果,平台会逐渐增加模型仓的数量,敬请关注!3、接着在“可用的AI模型”列表中向下拉动列表,找到“上传自定义AI模型”按钮,并单击此按钮,如下图所示。转载 2024-06-07 16:01:24 · 26 阅读 · 0 评论 -
模型案例:手势关键点检测模型!
6、等待一段时间的下载和烧录固件的过程,完成后将打开右侧的预览窗口,现在就可以将Grove Vision AI V2的摄像头对准人手部目标进行测试了,如下图所示。番茄病态分析模型:基于视觉模型而制作的番茄病态识别系统,可以准确且有效地识别番茄的好坏,通过及时摘除患病番茄,从而有效地遏制病虫害的扩散,减少农民的损失。手势关键点检测可以用于识别手势动作,如手部姿势、手势手语等。手势关键点检测模型在 Yolov8 上训练,手势关键点检测模型输出的是一组表示手势上的关键点的点,通常每个点都有一个置信度分数。原创 2024-06-07 15:52:21 · 685 阅读 · 0 评论 -
模型案例:人体姿态估计模型!
基于骨架的模型(Skeleton-based model): 也称为运动学模型,该模型包括一组关键点(关节),例如脚踝、膝盖、肩膀、肘部、手腕和肢体方向,主要用于 3D 和 2D 姿势估计。人体姿势估计模型主要有三种类型: 这三种类型是随着应用逐步发展出来的,先检测关键点,类似于火柴人,进一步的检测出人的轮廓,再根据轮廓进一步的把人体进行3D重建。6、等待一段时间的下载和烧录固件的过程,完成后将打开右侧的预览窗口,现在就可以将Grove Vision AI V2的摄像头对准人体目标进行测试了,如下图所示。转载 2024-05-13 15:42:59 · 39 阅读 · 0 评论 -
模型案例:| 石头、剪刀、布手势识别模型!
边缘设备的存储空间有限,无法容纳大型模型,因此需要将模型进行压缩和优化。同时,也需要在边缘设备上进行模型训练与推理时权衡模型的偏差和方差,以获得适合边缘环境的模型性能。5、接着在“可用的AI模型”列表中选择模型,这里选择“Gesture Detection”,然后单击“发送”按钮,如下图所示。,通过将计算和智能移动到数据源附近,可以实现近乎实时的数据处理和决策,满足对实时性要求较高的应用场景。,边缘机器学习可以在本地处理数据,减少对云端的数据传输,降低了网络带宽的消耗。因此,嵌入式机器学习,也被称为。原创 2024-05-06 17:11:09 · 769 阅读 · 0 评论 -
模型案例:垃圾分类识别!
图像分类-垃圾分类模型,此模型可以识别水瓶和纸团两个类别的垃圾物,生成的是TensorFlow Lite (int8 quantized)模型文件。转载 2024-04-24 17:00:30 · 55 阅读 · 0 评论 -
模型案例:| 水果识别分类模型!
5、弹出“自定义AI模型”窗口,填写模型名称、添加下载的模型文件、单击“新增物体”设置三个水果标签(注意三个标签的名称顺序不能写错分别是APPLE、BANANA和GRAPES),填写完成后单击“发送模型”按钮,如下图所示。水果识别算法是一种利用计算机视觉和深度学习技术,通过对水果图像进行分析和特征提取,来识别和分类不同种类的水果的算法。6、等待一段时间的下载和烧录固件的过程,完成后将打开右侧的预览窗口,现在就可以将XIAO ESP32 S3(Sense)的摄像头对准苹果、香蕉和葡萄进行测试了,如下图所示。原创 2024-04-02 11:48:41 · 876 阅读 · 3 评论