STM32 AI Model Zoo

針對 STM32 最佳化的免費 AI 模型庫

加入洽詢單

產品介紹

STM32 AI model zoo 是一套參考用的機器學習模型集合，這些模型已針對 STM32 微控制器進行最佳化，可直接於其上執行。此資源於 GitHub 及 Hugging Face 上提供，對於希望在 STM32 架構專案中加入 AI 功能的開發者而言，是相當重要且實用的工具。

在 stm32ai-modelzoo-services GitHub 中，可取得用於重新訓練、量化、評估或效能量測任一模型的腳本（可搭配使用者資料集），以及由使用者 AI 模型自動產生的應用程式碼範例。

若您對這些模型原先訓練的應用類別有興趣，便可快速部署使用。此外，我們亦提供訓練腳本，支援遷移學習（Transfer Learning），或讓您使用自訂資料集從零開始訓練專屬模型。

同時也提供在參考 STM32 MCU、NPU 與 MPU 上，針對浮點模型與量化模型的效能數據。

為您的應用選擇最佳的邊緣 AI 模型

大量以應用導向為主的模型，可直接用於重新訓練。
提供腳本，讓您能輕鬆使用自有資料集重新訓練任何模型。
可由使用者的 AI 模型自動產生應用程式碼範例。

應用案例

► 影像分類（IC）：模型包含 EfficientNet、MobileNet v1、MobileNet v2、ResNet v1（含混合量化版本）、SqueezeNet v1.1、STMNIST。
► 物件偵測（OD）：模型包含 ST SSD MobileNet v1、Tiny YOLO v2、SSD MobileNet v2 FPN Lite、ST Yolo LC v1。
► 人體動作辨識（HAR）：模型包含 CNN IGN，以及適用於不同設定的 CNN GMP。
► 姿態估測：模型包含 YOLOv8n、MoveNet、手部關鍵點（Hand Landmarks）。
► 實例分割（Instance Segmentation）：模型為 YOLOv8n。
► 語意分割（Semantic Segmentation）：模型為 Deeplabv3。
► 手勢姿態辨識（HPR）：模型為 ST CNN 2D Hand Posture。
► 音訊事件偵測（AED）：模型包含 Yamnet、MiniResnet、MiniResnet v2。
► 語音增強：模型為 STFT-TCNN 音訊降噪。

若要建置 STM32 Model Zoo，您需要建立 myST 帳號，並透過 ST Edge AI Developer Cloud 或本地端安裝方式存取 STM32Cube.AI，同時確認已安裝 Python 3.9 至 3.10.x 版本。若使用 GPU，則需安裝對應的顯示卡驅動程式，以及 CUDA 與 CUDNN，並建議在 Windows 平台上避免使用 WSL，以獲得最佳 GPU 加速效能。

前往 STM32 Model Zoo ST 官方介紹

*STMicroelectronics Authorized Distributor