本篇文章是STM32人工智能合作伙伴介紹系列之一, 之后也會(huì)陸續(xù)為大家介紹更多STM32生態(tài)相關(guān)合作的公司和產(chǎn)品, 希望能為大家的開發(fā)帶來更多創(chuàng)意和靈感！

我們介紹的第一家是在嵌入式圈子已經(jīng)小有名氣的OpenMV （國內(nèi)由星瞳科技代理）。

下面整理了OpenMV 智能攝像頭模組的各個(gè)版本在硬件和功能上的差異。

硬件差異

功能差異

下面重點(diǎn)介紹OpenMV的最新固件版本v3.6.0對(duì)TensorFlow-Lite 的支持。

大家可能會(huì)問，TensorFlow-Lite跟OpenMV之前實(shí)現(xiàn)的傳統(tǒng)機(jī)器視覺算法（比如追蹤、檢測(cè)和識(shí)別）有什么區(qū)別呢?

首先TensorFLow-Lite 是TensorFLow為嵌入式設(shè)備優(yōu)化的版本，采用機(jī)器學(xué)習(xí)中的深度學(xué)習(xí)算法（20歲小伙子），跟傳統(tǒng)的機(jī)器視覺算法（70歲老大爺）相比還很年輕。好處在于你不需要根據(jù)特定應(yīng)用來手工設(shè)計(jì)特征（你需要對(duì)特定領(lǐng)域和數(shù)據(jù)特別了解），但缺點(diǎn)是需要大量的數(shù)據(jù)集作為訓(xùn)練的素材。當(dāng)然STM32和OpenMV一起為MCU開發(fā)者提供了一系列工具來減輕用戶的工作量。

下面提到的神經(jīng)網(wǎng)絡(luò)是深度學(xué)習(xí)的主要模型。

具體到機(jī)器視覺，第1到3需要用戶自主完成，從第4步開始借助Cube.AI來完成從預(yù)訓(xùn)練模型到C代碼的轉(zhuǎn)換，而OpenMV則在生成的AI庫基礎(chǔ)上添加了一層可以通過microPython調(diào)用的包裝。