订阅电子报，掌握最新科技与产业趋势
产品介绍
STM32 AI Model Zoo 是一套参考级机器学习模型集合，这些模型已针对 STM32 微控制器进行了优化，可直接在其上运行。该资源可在 GitHub 上获取，对于希望在基于 STM32 的项目中加入 AI 功能的开发者而言，是一项极具价值的资源。在 stm32ai-modelzoo-services GitHub 中，可找到用于从用户数据集对任意模型进行重新训练、量化、评估或基准测试的脚本，以及由用户 AI 模型自动生成的应用代码示例。
如果您对这些模型所训练的应用类别感兴趣，即可实现快速部署。此外，我们还提供训练脚本，支持迁移学习（Transfer Learning），或使用自定义数据集从零开始训练您自己的模型。
同时也提供参考 STM32 MCU、NPU 和 MPU 上，针对浮点模型与量化模型的性能数据。
为您的应用获取最佳边缘 AI 模型
- 大量面向应用的模型集合，可直接用于重新训练。
- 提供脚本，便于使用用户数据集对任意模型进行重新训练。
- 由用户 AI 模型自动生成应用代码示例。
应用场景
► 图像分类（IC）：模型包括 EfficientNet、MobileNet v1、MobileNet v2、ResNet v1（含混合量化）、SqueezeNet v1.1、STMNIST。► 目标检测（OD）：模型包括 ST SSD MobileNet v1、Tiny YOLO v2、SSD MobileNet v2 FPN Lite、ST Yolo LC v1。
► 人体活动识别（HAR）：模型包括 CNN IGN，以及适用于不同设置的 CNN GMP。
► 姿态估计：模型包括 YOLOv8n、MoveNet、手部关键点（Hand Landmarks）。
► 实例分割：模型为 YOLOv8n。
► 语义分割：模型为 Deeplabv3。
► 手势姿态识别（HPR）：模型为 ST CNN 2D Hand Posture。
► 音频事件检测（AED）：模型包括 Yamnet、MiniResnet、MiniResnet v2。
► 语音增强：模型为 STFT-TCNN 音频降噪。
要搭建 STM32 Model Zoo，您需要创建 myST 账号，并通过 ST Edge AI Developer Cloud 或本地安装方式访问 STM32Cube.AI；同时确保已安装 Python 3.9 至 3.10.x 版本；若使用 GPU，还需安装相应的显卡驱动程序以及 CUDA 与 CUDNN。为获得最佳 GPU 加速效果，建议在 Windows 平台上避免使用 WSL。
*STMicroelectronics Authorized Distributor
