隨著人工智能產(chǎn)業(yè)應(yīng)用發(fā)展得越來越快,開發(fā)者需要面對的適配部署工作也越來越復(fù)雜。在實(shí)際進(jìn)行項(xiàng)目時(shí),需要處理不同場景,不同操作系統(tǒng),不同編程語言,這些都為AI開發(fā)者項(xiàng)目落地帶來不小的挑戰(zhàn)。
使用飛槳FastDeploy進(jìn)行AI部署則可解決以上痛點(diǎn),僅需要簡單幾步即可完成在RK3588平臺(tái)上的AI部署,大幅降低部署難度和時(shí)間成本。
算法效果如下:
PicoDet_S 物體檢測模型
SCRFD 人臉檢測模型
(6個(gè)相機(jī)的全景拼接)
Portait-PP-HumanSegV2_Lite 肖像分割模型
其他模型:
后續(xù)可適配支持圖像分類、物體檢測、圖像分割、人臉識(shí)別、關(guān)鍵點(diǎn)檢測、OCR、NLP、TTS等模型
-
AI
+關(guān)注
關(guān)注
88文章
35168瀏覽量
280150 -
人工智能
+關(guān)注
關(guān)注
1807文章
49029瀏覽量
249666
發(fā)布評(píng)論請先 登錄
干貨分享 | RK3588 Ubuntu系統(tǒng)Docker容器使用指南

如何用AI實(shí)現(xiàn)電池壽命的精準(zhǔn)預(yù)測?飛凌RK3588+融合算法給你答案

RK3576 vs RK3588:為何越來越多的開發(fā)者轉(zhuǎn)向RK3576?
RK3588核心板在邊緣AI計(jì)算中的顛覆性優(yōu)勢與場景落地
RK3588主板:多元場景的硬核“芯”力量

RK3588 EVB開發(fā)板原理圖講解【八】 RK3588 power Tree
添越智創(chuàng)基于 RK3588 開發(fā)板部署測試 DeepSeek 模型全攻略
實(shí)戰(zhàn)案例 | 眺望RK3588 RKLLM部署DeepSeek-R1全流程

評(píng)論