NanoDet
детекция объектов на мобильных устройствах в реальном времени
2 мин чтения
NanoDet-Plus-m определяет классы объектов и строит вокруг них ограничивающие рамки (bounding boxes) на изображениях с входным разрешением 416 пикселей. Репозиторий представляет собой автономный рецепт, совместимый с CLI-инструментом qai-hub-models (на базе оригинальной реализации NanoDet). Модель оптимизирована для запуска на мобильных и периферийных (edge) устройствах — её можно скомпилировать, профилировать и протестировать на реальных процессорах Snapdragon через сервис Qualcomm AI Hub Workbench. Решение пригодится разработчикам компьютерного зрения, которым нужно лёгкое распознавание объектов прямо на смартфоне или встроенной электронике.
Ключевые особенности
- Работает с входным разрешением изображений 416 пикселей.
- Полная совместимость с интерфейсом командной строки
qai-hub-modelsдля быстрой установки, регистрации и проверки. - Поддержка компиляции и замеров производительности на облачных стендах с реальными чипами Snapdragon через Qualcomm AI Hub Workbench.
- Экспорт в форматы для edge-среды выполнения: TensorFlow Lite, ONNX Runtime и Qualcomm AI Engine Direct.
Что можно сделать
- Интегрировать детекцию объектов в реальном времени в мобильные приложения на базе чипов Qualcomm Snapdragon.
- Провести бенчмаркинг и профилирование скорости инференса на удалённых устройствах через Qualcomm AI Hub без необходимости покупать тестовый парк смартфонов.
- Экспортировать модель в ONNX Runtime или TensorFlow Lite для развёртывания на локальных edge-устройствах.
Пример
pip install qai-hub-models
qai-hub-models register anguoyang/nanodet
qai-hub-models install nanodet
qai-hub-models demo nanodet
qai-hub-models export nanodetПодробнее
Входное разрешение: 416 пикселей.Требования к окружению: Python версии от 3.10 до 3.13 включительно (
3.10 <= PYTHON_VERSION < 3.14).Для облачного запуска и профилирования требуется аккаунт Qualcomm ID и API-токен от Qualcomm AI Hub Workbench.










Комментарии