Tiny Machine Learning是CS249r课程的最终项目，用于食品杂货识别。

5星

浏览量: 0

大小:None

文件类型：None

简介：
零售业中杂货店商品图像分类的应用：TinyML在CS249r课程的最终项目中的实践——微型机器学习。本存储库的“edge-impulse-final”文件夹，包含了利用Arducam 5MP Plus摄像头模块在Arduino Nano 33 BLE开发板上部署模型的相应Arduino程序代码。以下详细说明了如何应用这些程序代码进行模型部署。 “dataset”文件夹内存储着我们研究报告中所使用的十个不同类别的数据集。此外，“tflite”文件夹中存放着我们在论文（MobileNetV2，NN）中调研并优化过的TFLite模型文件。按照自述文件底部提供的指导，可以将这些TFLite文件应用于我们的模型。 “training”文件夹包含针对每个MobileNetV2和NN模型在Edge Impulse平台运行时的屏幕截图，并附带了Python笔记本，其中记录了每个模型的神经网络配置以及用于训练模型的代码。值得注意的是，尽管我们的系统中仍存在一些需要进一步完善的缺陷，但所开发的草图已经非常接近最终的可部署状态。目前，由于部署模块...

全部评论 (0)

还没有任何评论哟~

客服

食品杂货识别TinyML：CS249r课程终期项目：Tiny Machine Learning

优质

本项目为CS249r课程终期作品，专注于开发基于TinyML技术的食品杂货识别系统，旨在探索边缘设备上的小型机器学习模型应用。杂货店商品的图像分类：TinyML在零售中的应用（CS249r最终项目）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。以下是关于如何部署此草图的说明。 - **dataset**：包括我们研究报告中使用的10个类别数据集。 - **tflite**：包含我们在论文（MobileNetV2，NN）中探索的各种TFLite文件。请参考本自述文件底部提供的说明来应用这些TFLite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，并且还包含用于训练模型的Python笔记本代码，其中详细记录了各个神经网络设置的信息。注意：我们的系统中还有一些错误需要修复，但草图已接近可以部署的状态。目前由于一些部署问题的存在，请留意相关进展更新。

食品杂货识别TinyML：CS249r课程的最终项目

优质

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。

机器学习课程项目@WUSTL CSE417 - 源码 Machine-Learning

优质

本项目为华盛顿大学圣路易斯CSE417课程作业，涵盖多种经典机器学习算法的实现与应用，代码开源供学术交流。 WUSTL CSE417课程的机器学习项目。

2019春季Unity3D课程最终项目.rar

优质

该文件包含2019年春季学期学生使用Unity3D软件完成的各项最终项目的集合，涵盖游戏设计、虚拟现实等多个领域。这款游戏模仿了《噩梦射手》的风格。玩家可以通过鼠标控制人物朝向，并使用WASD键来移动角色。点击左键可以发射激光束以消灭子弹。

2019春季Unity3D课程最终项目.rar

优质

本资源包包含2019年春季学期学生使用Unity3D引擎完成的最终项目作品集，展示了他们在游戏设计与开发方面的学习成果和创意。这款游戏模仿《噩梦射手》制作而成，玩家可以通过鼠标控制角色的方向，并使用WASD键进行移动。点击左键可以发射激光束来消灭子弹。

WEB课程期末项目（食品主题网站）.rar

优质

这是一个以食品为主题的WEB课程期末项目文件，内容包括网站设计、前端开发和后端功能实现等，旨在展示学生的网页制作技能。 Java Web 程序设计课程的期末作品是一个零食购物网站，包含十二个页面，并使用jquery实现了图片轮播等功能，在此次项目中取得了较好的成绩。

Machine Learning Foundations.pdf

优质

《Machine Learning Foundations》是一本深入浅出介绍机器学习基本概念和理论的电子书，适合初学者及进阶读者理解算法原理与实践应用。《机器学习基础》这本书有500多页的PDF版本，如果在或其他平台因为缺少下载积分而无法获取的话，可以在我的博客中联系我，我可以免费提供给大家。不过现在请去掉具体的联系方式。简化后的表述可以是：《机器学习基础》一书提供了约500页的PDF版内容。对于那些因缺乏下载积分而在平台上难以获得该资源的朋友，可以通过适当的方式与我取得联系，我会无偿分享这本书给需要的人。

DQN-Pong-Master：深度学习课程的最终项目

优质

DQN-Pong-Master是深度学习课程中的一个收官项目，运用深度强化学习技术训练智能体玩经典游戏Pong，展示了从零开始到精通游戏的过程。该存储库详细介绍了使用强化学习的深度学习代理实现，并特别强调了在经典Atari 2600游戏Pong中的深度Q网络应用，以达到最先进的成果。提供的解决方案包含高级优化工具如epsilon-greedy算法、重播缓冲区和目标网络等，进一步提升模型性能。实验结果表明我们的模型能够击败硬编码的Pong代理，并取得21-0（最高分）的成绩。

Machine Learning：机器学习与人工智能项目的探索

优质

本书《Machine Learning》深入浅出地探讨了机器学习的基本原理及其在人工智能项目中的应用，旨在帮助读者理解并实践复杂的算法模型。 Python_ML_AI 机器学习项目1：英国道路交通事故-预测（正在进行中）：数据来源为2016年英国道路事故数据集。主要灵感： 1. 预测事故伤害的严重程度。 2. 分析是否有涉及不同道路使用者的事故模式。 3. 预测最安全和最危险的旅行时间。项目2：互联网广告分析与点击次数预测所选数据集代表了互联网广告行业的点击指标。点击次数是衡量广告效果的重要标准，用于计算通过点击与广告互动的消费者数量。点击率越高意味着投资回报率（ROI）更高，并且表明业务已经成功定位到正确的目标受众。主要灵感： 1. 分析不同年龄群体对特定主题的兴趣。 2. 确定哪个年龄段最适合将来投放广告系列的目标人群。

最终项目：含ODE应用的OpenGL

优质

本项目结合了OpenGL图形库与常微分方程(ODE)的应用，通过编程实现动态场景模拟和动画效果，展示了数学模型在计算机图形学中的实际运用。 OpenGL 是一个跨语言、跨平台的编程接口，用于渲染二维和三维图形，在游戏开发、科学可视化及工程应用等领域广泛应用。本项目旨在结合 OpenGL 和 ODE（Open Dynamics Engine）来创建具有物理模拟功能的 3D 图形应用程序。 OpenGL 提供了直接访问图形硬件的能力，包括顶点处理、纹理映射、光照与深度测试等，使开发者能够利用其 API 构建复杂的图形场景，并通过 GPU 加速实现高性能渲染。 ODE 是一个开源的物理仿真库，专注于实时三维动力学系统的模拟。它支持刚体动力学功能，例如碰撞检测、约束解决及摩擦力计算，在游戏开发、虚拟现实应用和机器人模拟等领域有广泛应用。此项目中结合 OpenGL 和 ODE 可以创建动态的 3D 环境，其中物体之间能够根据真实物理定律相互作用。这需要对 OpenGL 的渲染技术有深入理解，并熟悉 ODE API 来正确设置物理世界、创建刚体及定义碰撞检测和响应。该项目可能包括以下部分： 1. **初始化OpenGL**：设置上下文、视口、清除颜色，开启深度测试等。 2. **加载模型**：使用 OBJ 或其他 3D 格式的模型文件，将几何数据转换为 OpenGL 能处理的顶点数组。 3. **设置光照**：定义光源位置和颜色，并将其应用到物体上以获得真实的阴影和反射效果。 4. **渲染循环**：在每一帧中更新物体的位置与状态，使用 OpenGL 绘制 3D 场景。 5. **集成ODE**：创建 ODE 世界、添加刚体、定义碰撞类型及设置物理参数如重力。 6. **物理模拟**：每帧计算物体的新位置和速度，并在 OpenGL 中更新其状态以实现动态效果。 7. **用户交互**：可能包括键盘与鼠标输入，允许用户控制物体或改变物理环境。 8. **错误处理和调试**：提供日志输出功能，在遇到问题时能够给出有用的信息。此项目非常适合初学者学习图形学及物理模拟技术。它涵盖了从基础的 3D 图形渲染到复杂的物理模拟等多个主题，有助于提升综合能力。