文件名称：balena-cam-tinyml:由Balena和Edge Impulse支持的Raspberry Pi上的图像分类
文件大小：25.42MB
文件格式：ZIP
更新时间：2024-06-13 01:21:50
JavaScript
使用Edge Impulse和BalenaCloud进行图像分类 本指南将帮助您部署在Raspberry Pi上运行的图像分类系统。 使开发人员能够使用嵌入式机器学习来创建智能设备解决方案。 您将学习如何使用智能手机轻松获取图像样本，训练ML算法以及在设备上部署推理引擎。 是用于部署IoT应用程序的基于容器的平台。 概述 该项目基于出色的，可通过在容器中运行来实时播放相机的Feed。 对于我们的应用程序，我们通过在Node.js服务器内部添加另一个运行Edge Impulse Webassembly推理引擎的容器来利用Balena的多容器功能。 这两个容器通过WebSocket相互通信。 balena-cam Webapp已被修改为每秒调用推理引擎并将结果显示在网页上。 要求 Raspberry Pi：已测试v3和v4，已测试balenaFin v1.0 用手机捕捉图像样本； 或一组jp
【文件预览】：
balena-cam-tinyml-master
----images()
--------09servicevar.png(135KB)
--------shoes.gif(20.74MB)
--------02samples.png(518KB)
--------05training.png(251KB)
--------01device.png(207KB)
--------08build.png(119KB)
--------10devicebalena.png(267KB)
--------07wasm.png(76KB)
--------04impulse.png(624KB)
--------06test.png(293KB)
--------11logs.png(393KB)
--------03testing.png(24KB)
--------12shoes.png(1.47MB)
----balena-cam()
--------Dockerfile.template(1KB)
--------app()
--------Dockerfile.aarch64(1KB)
----BALENA-OPTIONS.md(2KB)
----repo.yml(16B)
----LICENSE(11KB)
----balena.yml(734B)
----edgeimpulse-inference()
--------Dockerfile.template(725B)
--------app()
--------Dockerfile.aarch64(608B)
----VERSION(5B)
----docker-compose.yml(472B)
----.gitignore(3KB)
----CHANGELOG.md(1KB)
----logo.png(24KB)
----README.md(7KB)