Seeed-Studio/ModelAssistant

해결하는 문제

고성능 알고리즘(예: OpenMMLab에서 제공하는 것들)을 계산 능력이 제한되고 전력 소비를 최소화해야 하는 저가형 전력 제약이 있는 임베디드 장치(마이크로컨트롤러(MCU), 싱글보드컴퓨터(SBC))에 배포하는 과정을 단순화합니다.

작동 방식

SSCMA는 실세계 시나리오와 저사양 하드웨어에 최적화된 기존 고성능 알고리즘을 조정합니다. 사전 학습된 모델이 포함된 모델 루브리, 웹 기반의 트레이닝 및 배포 툴킷, 그리고 모델 학습과 장치 내 실행 간 격차를 메우기 위한 전용 프레임워크(SSCMA-Micro)와 라이브러리(Arduino/Python)를 포함하는 포괄적인 툴체인을 제공합니다. TFLite, ONNX, TensorRT, UF2 등 다양한 포맷으로 모델을 내보내어 다양한 하드웨어 타겟과의 호환성을 보장합니다.

대상 사용자

컴퓨터 비전이나 이상 탐지와 같은 AI 기능을 임베디드 시스템, 마이크로컨트롤러(예: ESP32, Arduino), 또는 SBC(예: Raspberry Pi)에 통합하고자 하는 개발자 및 메이커.

주요 특징

• 광범위한 알고리즘 지원: 객체 탐지(YOLOv8, RTMDet, Swift YOLO), 이미지 분류, 세그멘테이션, 포즈 추정, 오디오 분류를 포함합니다.
• 임베디드 최적화: 0.3와트 미만의 극도로 낮은 전력 소비를 위한 장치에 특화되어 있습니다.
• 양자화 인식 학습(QAT): 마이크로컨트롤러용으로 모델 크기를 줄이면서 정확도를 유지할 수 있도록 지원합니다.
• 특화된 시나리오: 아날로그 및 디지털 미터 리딩 인식과 같은 특수한 작업을 위한 맞춤형 모델을 제공합니다.
• 엔드투엔드 툴체인: 데이터 수집 및 학습에서 웹 툴킷과 크로스플랫폼 프레임워크를 통한 배포까지 모든 과정을 커버합니다.