Seeed-Studio/ModelAssistant

何を解決するか

最新のAIアルゴリズムを、計算能力が限られ、電力消費を抑える必要がある低コスト・電力制限付きの組み込みデバイス（マイコン（MCU）やシングルボードコンピュータ（SBC））に展開するプロセスを簡素化します。

仕組み

SSCMAは、OpenMMLabなどから提供される高性能アルゴリズムを、実世界のシナリオと低性能ハードウェア向けに最適化します。モデルズー（事前学習済みモデルのギャラリー）、Webベースのトレーニング・デプロイメントツールキット、および専用フレームワーク（SSCMA-Micro）とライブラリ（Arduino/Python）を備えた包括的なツールチェインを提供し、モデル学習とデバイス上での実行のギャップを埋めます。TFLite、ONNX、TensorRT、UF2など、複数のフォーマットでモデルをエクスポート可能で、さまざまなハードウェアターゲットとの互換性を確保します。

対象ユーザー

組み込みシステム、マイコン（例：ESP32、Arduino）、SBC（例：Raspberry Pi）にAI機能（例：コンピュータビジョンや異常検出）を統合したい開発者やハッカー。

主な特徴

• 幅広いアルゴリズム対応：物体検出（YOLOv8、RTMDet、Swift YOLO）、画像分類、セグメンテーション、ポーズ推定、音声分類をサポート。
• 組み込み最適化：0.3ワット未満の極めて低い電力消費を実現するデバイス向けに設計。
• 量子化対応学習（QAT）：モデルサイズを削減しつつ精度を維持するためのQATをサポート。
• 専用シナリオ対応：アナログ・デジタルメーター読み取り認識など、ニッチなタスク向けにカスタマイズされたモデルを提供。
• エンドツーエンドツールチェイン：データ収集・トレーニングからWebツールキットとクロスプラットフォームフレームワークによるデプロイメントまで、一貫したワークフローを提供。