TensorFlow Lite
-
用AI“吃”照片：食物识别与卡路里估算技术详解
你是否曾为记录每日饮食而烦恼？手动记录不仅耗时，还容易出错。想象一下，只需拍一张照片，AI就能告诉你食物的种类和大致卡路里含量，是不是很方便？本文将深入探讨如何利用AI技术实现这一功能，让饮食记录变得轻松高效。 1. 技术原理：AI图...
-
植物识别APP开发：有哪些靠谱的图像识别模型和API推荐？
想开发一个能识别植物并给出养护建议的APP？这想法很棒！现在就有很多现成的图像识别模型和API，能帮你省去大量从零训练模型的时间。作为过来人，我踩过不少坑，也总结了一些经验，这就给你推荐几个我用过觉得还不错的，希望能帮到你： 一、图...
-
TensorFlow安卓垃圾分类：Python模型搭建与部署实战
TensorFlow安卓垃圾分类：Python模型搭建与部署实战 想让你的手机也能识别垃圾类型，轻松实现智能分类吗？本文将手把手教你使用Python的TensorFlow框架，搭建一个垃圾图像分类模型，并将其部署到安卓手机上。无需复杂...
-
ESP32/8266上运行图像识别AI模型的方法
在资源有限的 ESP32/ESP8266 芯片上运行图像识别模型，确实是个挑战。模型太大、推理速度慢是常见的问题。这里提供几种可以尝试的方法： Q：如何在资源有限的 ESP32/ESP8266 上运行 AI 模型？ A：可以...
-
移动端深度学习模型“瘦身”秘籍：告别卡顿与耗电
在智能手机和各类嵌入式设备日益普及的今天，将深度学习模型部署到这些资源受限的终端设备上，实现模型在本地高效运行，是许多开发者面临的共同挑战。你提到的模型体积过大导致安装包膨胀、推理延迟高影响用户体验、以及高功耗快速耗尽电池等问题，正是移动...
-
边缘AI工业缺陷检测：模型、延迟与体积三维优化策略
在工业缺陷检测中，将目标检测模型部署到边缘嵌入式工控机上，并同时满足95%以上检测准确率、50毫秒以内推理延迟以及100MB以内模型大小这三重严苛要求，确实是一个典型的工程挑战。这不仅仅是单一技术点的突破，更需要系统性的优化策略和权衡。 ...
-
边缘计算AI模型压缩：如何在资源受限设备上流畅运行？
边缘计算中，如何有效压缩深度学习模型并在工控机上流畅运行？ 问题： 边缘计算设备通常计算资源有限，存储空间也相对紧张。如何将一个复杂的深度学习模型有效地压缩，使其既能在资源受限的嵌入式工控机上流畅运行，又能保证检测性能不下降？ ...
-
ESP32除了人脸识别，还能在物体/场景识别中大显身手吗？
当然可以！ESP32 在图像识别领域的应用远不止人脸识别那么简单，它在物体识别和场景识别方面也有很大的潜力。不过，就像任何低功耗嵌入式设备一样，它有其固有的局限性，需要我们巧妙地平衡算力、内存和算法效率。 如果你想用 ESP32 实现...
