本项目为CS249r课程的期末作业,专注于开发一种基于TinyML技术的食品杂货识别系统,旨在通过微型设备实现高效、实时的食物分类与识别。
杂货店商品的图像分类:TinyML在零售中的应用CS249r最终项目:微型机器学习
此存储库包含以下文件夹:
- edge-impulse-final :该文件夹内有使用Arducam 5MP Plus在Arduino Nano 33 BLE上部署模型所需的Arduino草图。以下是有关如何部署此草图的说明。
- dataset :包含我们研究报告中使用的10个类别的数据集。
- tflite :包含我们在论文(MobileNetV2,NN)中探索的各种TFLite文件。使用本自述文件底部提供的说明将这些TFLite文件应用于模型。
- training :该文件夹内有针对每个MobileNetV2和NN模型在Edge Impulse中的工作截图。此外还包含了Python笔记本,其中记录了每个模型的神经网络设置以及用于训练模型的代码。
请注意:我们的系统中仍然存在一些需要修复的问题,但草图已经接近可以部署的状态。当前由于某些部署问题的影响,尚未完全完成部署过程。