#tensorflowlite — Public Fediverse posts
Live and recent posts from across the Fediverse tagged #tensorflowlite, aggregated by home.social.
-
2025 Pet Hacks Contest: Feline Facial Recognition Foils Food Filching - Cats are no respecters of personal property, as [Joe Mattioni] learned when one of... - https://hackaday.com/2025/05/25/2025-pet-hacks-contest-feline-facial-recognition-foils-food-filching/ #2025pethackscontest #tensorflowlite #androidhacks #catfeeder #android #arduino
-
2025 Pet Hacks Contest: Feline Facial Recognition Foils Food Filching https://hackaday.com/2025/05/25/2025-pet-hacks-contest-feline-facial-recognition-foils-food-filching/ #2025PetHacksContest #TensorflowLite #AndroidHacks #catfeeder #android #arduino
-
Обработка аудио на ESP32
В этой статье я хочу поделиться своим опытом портирования проекта распознавания музыкальных жанров аудиозаписей на ESP32-C3. Исходный проект взят из репозитория книги TinyML-Cookbook_2E . При анализе речи или других звуков важно выделить такие характеристики, которые отражают строение сигнала, но при этом не зависят от конкретных слов, громкости и других мешающих факторов. Для этого используют cepstrum , mel-cepstrum и MFCC - это шаги преобразования, которые переводят звук в удобную для анализа форму.
https://habr.com/ru/articles/906658/
#esp32c3 #tensorflowlite #u8g2 #mfcc #MAX9814 #машинное_обучение #аудио #dsp #mcsis
-
Machine learning на ESP32
Распознавание жестов — это технология, которая позволяет людям взаимодействовать с устройствами без физического нажатия кнопок или сенсорных экранов. Интерпретируя жесты человека, эта технология нашла свое применение в различных потребительских устройствах, включая смартфоны и игровые консоли. В основе распознавания жестов лежат два ключевых компонента: сенсор и программный алгоритм. В этом примере используются измерения акселерометра MPU 6050 и машинное обучение (ML) для распознавания трех жестов рукой с помощью ESP32. Данные из сенсора распознаются на микроконтроллере и результат выводится в консоль в виде названия жеста и вероятности результата. Модель ML использует TensorFlow и Keras и обучается на выборке данных, представляющей три различных жеста: "circle" (окружность), "cross" (пересечение) и "pad" (поступательное движение). Разработка проекта начнется с получения данных из акселерометра для построения набора жестов. Затем мы проектируем полносвязную нейронную сеть для распознавания жестов, и подключим модель в проекте ESP32. В следующей части рассмотрим как настроить Bluetooth LE (BLE) на ESP32 и Android устройстве. Передадим квантированный набор ускорений сенсора по BLE. Настроим Модель ML для распознания жестов на Android.
-
Machine learning на ESP32
Распознавание жестов — это технология, которая позволяет людям взаимодействовать с устройствами без физического нажатия кнопок или сенсорных экранов. Интерпретируя жесты человека, эта технология нашла свое применение в различных потребительских устройствах, включая смартфоны и игровые консоли. В основе распознавания жестов лежат два ключевых компонента: сенсор и программный алгоритм. В этом примере используются измерения акселерометра MPU 6050 и машинное обучение (ML) для распознавания трех жестов рукой с помощью ESP32. Данные из сенсора распознаются на микроконтроллере и результат выводится в консоль в виде названия жеста и вероятности результата. Модель ML использует TensorFlow и Keras и обучается на выборке данных, представляющей три различных жеста: "circle" (окружность), "cross" (пересечение) и "pad" (поступательное движение). Разработка проекта начнется с получения данных из акселерометра для построения набора жестов. Затем мы проектируем полносвязную нейронную сеть для распознавания жестов, и подключим модель в проекте ESP32. В следующей части рассмотрим как настроить Bluetooth LE (BLE) на ESP32 и Android устройстве. Передадим квантированный набор ускорений сенсора по BLE. Настроим Модель ML для распознания жестов на Android.
-
Machine learning на ESP32
Распознавание жестов — это технология, которая позволяет людям взаимодействовать с устройствами без физического нажатия кнопок или сенсорных экранов. Интерпретируя жесты человека, эта технология нашла свое применение в различных потребительских устройствах, включая смартфоны и игровые консоли. В основе распознавания жестов лежат два ключевых компонента: сенсор и программный алгоритм. В этом примере используются измерения акселерометра MPU 6050 и машинное обучение (ML) для распознавания трех жестов рукой с помощью ESP32. Данные из сенсора распознаются на микроконтроллере и результат выводится в консоль в виде названия жеста и вероятности результата. Модель ML использует TensorFlow и Keras и обучается на выборке данных, представляющей три различных жеста: "circle" (окружность), "cross" (пересечение) и "pad" (поступательное движение). Разработка проекта начнется с получения данных из акселерометра для построения набора жестов. Затем мы проектируем полносвязную нейронную сеть для распознавания жестов, и подключим модель в проекте ESP32. В следующей части рассмотрим как настроить Bluetooth LE (BLE) на ESP32 и Android устройстве. Передадим квантированный набор ускорений сенсора по BLE. Настроим Модель ML для распознания жестов на Android.
-
Machine learning на ESP32
Распознавание жестов — это технология, которая позволяет людям взаимодействовать с устройствами без физического нажатия кнопок или сенсорных экранов. Интерпретируя жесты человека, эта технология нашла свое применение в различных потребительских устройствах, включая смартфоны и игровые консоли. В основе распознавания жестов лежат два ключевых компонента: сенсор и программный алгоритм. В этом примере используются измерения акселерометра MPU 6050 и машинное обучение (ML) для распознавания трех жестов рукой с помощью ESP32. Данные из сенсора распознаются на микроконтроллере и результат выводится в консоль в виде названия жеста и вероятности результата. Модель ML использует TensorFlow и Keras и обучается на выборке данных, представляющей три различных жеста: "circle" (окружность), "cross" (пересечение) и "pad" (поступательное движение). Разработка проекта начнется с получения данных из акселерометра для построения набора жестов. Затем мы проектируем полносвязную нейронную сеть для распознавания жестов, и подключим модель в проекте ESP32. В следующей части рассмотрим как настроить Bluetooth LE (BLE) на ESP32 и Android устройстве. Передадим квантированный набор ускорений сенсора по BLE. Настроим Модель ML для распознания жестов на Android.
-
Machine learning на ESP32
Распознавание жестов — это технология, которая позволяет людям взаимодействовать с устройствами без физического нажатия кнопок или сенсорных экранов. Интерпретируя жесты человека, эта технология нашла свое применение в различных потребительских устройствах, включая смартфоны и игровые консоли. В основе распознавания жестов лежат два ключевых компонента: сенсор и программный алгоритм. В этом примере используются измерения акселерометра MPU 6050 и машинное обучение (ML) для распознавания трех жестов рукой с помощью ESP32. Данные из сенсора распознаются на микроконтроллере и результат выводится в консоль в виде названия жеста и вероятности результата. Модель ML использует TensorFlow и Keras и обучается на выборке данных, представляющей три различных жеста: "circle" (окружность), "cross" (пересечение) и "pad" (поступательное движение). Разработка проекта начнется с получения данных из акселерометра для построения набора жестов. Затем мы проектируем полносвязную нейронную сеть для распознавания жестов, и подключим модель в проекте ESP32. В следующей части рассмотрим как настроить Bluetooth LE (BLE) на ESP32 и Android устройстве. Передадим квантированный набор ускорений сенсора по BLE. Настроим Модель ML для распознания жестов на Android.
-
Machine learning на ESP32
Распознавание жестов — это технология, которая позволяет людям взаимодействовать с устройствами без физического нажатия кнопок или сенсорных экранов. Интерпретируя жесты человека, эта технология нашла свое применение в различных потребительских устройствах, включая смартфоны и игровые консоли. В основе распознавания жестов лежат два ключевых компонента: сенсор и программный алгоритм. В этом примере используются измерения акселерометра MPU 6050 и машинное обучение (ML) для распознавания трех жестов рукой с помощью ESP32. Данные из сенсора распознаются на микроконтроллере и результат выводится в консоль в виде названия жеста и вероятности результата. Модель ML использует TensorFlow и Keras и обучается на выборке данных, представляющей три различных жеста: "circle" (окружность), "cross" (пересечение) и "pad" (поступательное движение). Разработка проекта начнется с получения данных из акселерометра для построения набора жестов. Затем мы проектируем полносвязную нейронную сеть для распознавания жестов, и подключим модель в проекте ESP32. В следующей части рассмотрим как настроить Bluetooth LE (BLE) на ESP32 и Android устройстве. Передадим квантированный набор ускорений сенсора по BLE. Настроим Модель ML для распознания жестов на Android.
-
Machine learning на ESP32
Распознавание жестов — это технология, которая позволяет людям взаимодействовать с устройствами без физического нажатия кнопок или сенсорных экранов. Интерпретируя жесты человека, эта технология нашла свое применение в различных потребительских устройствах, включая смартфоны и игровые консоли. В основе распознавания жестов лежат два ключевых компонента: сенсор и программный алгоритм. В этом примере используются измерения акселерометра MPU 6050 и машинное обучение (ML) для распознавания трех жестов рукой с помощью ESP32. Данные из сенсора распознаются на микроконтроллере и результат выводится в консоль в виде названия жеста и вероятности результата. Модель ML использует TensorFlow и Keras и обучается на выборке данных, представляющей три различных жеста: "circle" (окружность), "cross" (пересечение) и "pad" (поступательное движение). Разработка проекта начнется с получения данных из акселерометра для построения набора жестов. Затем мы проектируем полносвязную нейронную сеть для распознавания жестов, и подключим модель в проекте ESP32. В следующей части рассмотрим как настроить Bluetooth LE (BLE) на ESP32 и Android устройстве. Передадим квантированный набор ускорений сенсора по BLE. Настроим Модель ML для распознания жестов на Android.
-
Machine learning на ESP32
Распознавание жестов — это технология, которая позволяет людям взаимодействовать с устройствами без физического нажатия кнопок или сенсорных экранов. Интерпретируя жесты человека, эта технология нашла свое применение в различных потребительских устройствах, включая смартфоны и игровые консоли. В основе распознавания жестов лежат два ключевых компонента: сенсор и программный алгоритм. В этом примере используются измерения акселерометра MPU 6050 и машинное обучение (ML) для распознавания трех жестов рукой с помощью ESP32. Данные из сенсора распознаются на микроконтроллере и результат выводится в консоль в виде названия жеста и вероятности результата. Модель ML использует TensorFlow и Keras и обучается на выборке данных, представляющей три различных жеста: "circle" (окружность), "cross" (пересечение) и "pad" (поступательное движение). Разработка проекта начнется с получения данных из акселерометра для построения набора жестов. Затем мы проектируем полносвязную нейронную сеть для распознавания жестов, и подключим модель в проекте ESP32. В следующей части рассмотрим как настроить Bluetooth LE (BLE) на ESP32 и Android устройстве. Передадим квантированный набор ускорений сенсора по BLE. Настроим Модель ML для распознания жестов на Android.
-
Started looking at supporting more hardware with the Etnaviv NPU driver.
https://blog.tomeuvizoso.net/2024/05/etnaviv-npu-update-18-getting-driver-to.html
-
📝 "Training a deep learning model to detect DoS attacks on microcontrollers with the help of ChatGPT"
👤 Déborah Mesquita
#pyladies #python #tensorflowlite #chatgpt #handsontutorials #esp32 #computernetworking
-
Edge ML для людей с ограниченными возможностями
С развитием технологий появились новые возможности для людей с ограниченными возможностями. Edge Machine Learning (Edge ML) представляет собой передовую технологию, которая приближает алгоритмы машинного обучения к источнику данных, что сокращает задержку и улучшает возможности обработки данных в реальном времени. В этой статье мы рассмотрим потенциал применения Edge ML для решения уникальных проблем, с которыми сталкиваются люди с особыми потребностями. Edge ML может способствовать созданию более поддерживающей и доступной среды, что так важно для поддержки людей, которые и так оказались в непростом положении. Мы рассмотрим различные аспекты, вызовы и потенциальные улучшения, формирующие эволюцию модели Edge ML. Эта модель сфокусирована на двух основных задачах: выявлении случаев запугивания и предоставлении успокаивающей поддержки. Приступим(:
-
Edge ML для людей с ограниченными возможностями
С развитием технологий появились новые возможности для людей с ограниченными возможностями. Edge Machine Learning (Edge ML) представляет собой передовую технологию, которая приближает алгоритмы машинного обучения к источнику данных, что сокращает задержку и улучшает возможности обработки данных в реальном времени. В этой статье мы рассмотрим потенциал применения Edge ML для решения уникальных проблем, с которыми сталкиваются люди с особыми потребностями. Edge ML может способствовать созданию более поддерживающей и доступной среды, что так важно для поддержки людей, которые и так оказались в непростом положении. Мы рассмотрим различные аспекты, вызовы и потенциальные улучшения, формирующие эволюцию модели Edge ML. Эта модель сфокусирована на двух основных задачах: выявлении случаев запугивания и предоставлении успокаивающей поддержки. Приступим(:
-
Keeping Badgers At Bay With Tensorflow - Human-animal conflict is always a contentious issue, and finding ways to prevent d... - https://hackaday.com/2023/10/15/keeping-badgers-at-bay-with-tensorflow/ #machinelearning #computervision #tensorflowlite #homehacks #wildlife #mqtt
-
Gardening Robot Uses Sunlight to Incinerate Weeds - Removing weeds is a chore few gardeners enjoy, as it typically involves long sessi... - https://hackaday.com/2023/06/30/gardening-robot-uses-sunlight-to-incinerate-weeds/ #solarconcentrator #tensorflowlite #machinevision #robotshacks #raspberrypi #weedwhacker #greenhacks #solarhacks #weeding
-
Gardening Robot Uses Sunlight to Incinerate Weeds - Removing weeds is a chore few gardeners enjoy, as it typically involves long sessi... - https://hackaday.com/2023/06/30/gardening-robot-uses-sunlight-to-incinerate-weeds/ #solarconcentrator #tensorflowlite #machinevision #robotshacks #raspberrypi #weedwhacker #greenhacks #solarhacks #weeding
-
Gardening Robot Uses Sunlight to Incinerate Weeds - Removing weeds is a chore few gardeners enjoy, as it typically involves long sessi... - https://hackaday.com/2023/06/30/gardening-robot-uses-sunlight-to-incinerate-weeds/ #solarconcentrator #tensorflowlite #machinevision #robotshacks #raspberrypi #weedwhacker #greenhacks #solarhacks #weeding
-
Gardening Robot Uses Sunlight to Incinerate Weeds - Removing weeds is a chore few gardeners enjoy, as it typically involves long sessi... - https://hackaday.com/2023/06/30/gardening-robot-uses-sunlight-to-incinerate-weeds/ #solarconcentrator #tensorflowlite #machinevision #robotshacks #raspberrypi #weedwhacker #greenhacks #solarhacks #weeding
-
Gardening Robot Uses Sunlight to Incinerate Weeds - Removing weeds is a chore few gardeners enjoy, as it typically involves long sessi... - https://hackaday.com/2023/06/30/gardening-robot-uses-sunlight-to-incinerate-weeds/ #solarconcentrator #tensorflowlite #machinevision #robotshacks #raspberrypi #weedwhacker #greenhacks #solarhacks #weeding
-
Hackaday Prize 2023: EyeBREAK Could Be A Breakthrough - For those with strokes or other debilitating conditions, control over one’s eyelid... - https://hackaday.com/2023/05/30/hackaday-prize-2023-eyebreak-could-be-a-breakthrough/ #microcontrollers #machinelearning #tensorflowlite #morsecode #esp32
-
📝 "Training a deep learning model to detect DoS attacks on microcontrollers with the help of ChatGPT"
👤 Déborah Mesquita
#pyladies #python #tensorflowlite #chatgpt #handsontutorials #esp32 #computernetworking
-
@[email protected] @fuchsiii I wounder if it can do #TensorFlowLite like #ZackFreedman's #Somatic needs...
-
How To Roll Your Own Custom Object Detection Neural Network - Real-time object detection, which uses neural networks and deep learning to rapidl... - https://hackaday.com/2023/02/13/how-to-roll-your-own-custom-object-detection-neural-network/ #artificialintelligence #digitalcamerashacks #tensorflowlite #neuralnetwork #charmedlabs #raspberrypi #videohacks #how-to #custom #colab #vizy #cnn #ai
-
How To Roll Your Own Custom Object Detection Neural Network - Real-time object detection, which uses neural networks and deep learning to rapidl... - https://hackaday.com/2023/02/13/how-to-roll-your-own-custom-object-detection-neural-network/ #artificialintelligence #digitalcamerashacks #tensorflowlite #neuralnetwork #charmedlabs #raspberrypi #videohacks #how-to #custom #colab #vizy #cnn #ai
-
How To Roll Your Own Custom Object Detection Neural Network - Real-time object detection, which uses neural networks and deep learning to rapidl... - https://hackaday.com/2023/02/13/how-to-roll-your-own-custom-object-detection-neural-network/ #artificialintelligence #digitalcamerashacks #tensorflowlite #neuralnetwork #charmedlabs #raspberrypi #videohacks #how-to #custom #colab #vizy #cnn #ai
-
How To Roll Your Own Custom Object Detection Neural Network - Real-time object detection, which uses neural networks and deep learning to rapidl... - https://hackaday.com/2023/02/13/how-to-roll-your-own-custom-object-detection-neural-network/ #artificialintelligence #digitalcamerashacks #tensorflowlite #neuralnetwork #charmedlabs #raspberrypi #videohacks #how-to #custom #colab #vizy #cnn #ai
-
How To Roll Your Own Custom Object Detection Neural Network - Real-time object detection, which uses neural networks and deep learning to rapidl... - https://hackaday.com/2023/02/13/how-to-roll-your-own-custom-object-detection-neural-network/ #artificialintelligence #digitalcamerashacks #tensorflowlite #neuralnetwork #charmedlabs #raspberrypi #videohacks #how-to #custom #colab #vizy #cnn #ai
-
How To Roll Your Own Custom Object Detection Neural Network
https://hackaday.com/2023/02/13/how-to-roll-your-own-custom-object-detection-neural-network/
#ArtificialIntelligence #digitalcamerashacks #TensorflowLite #neuralnetwork #charmedlabs #raspberrypi #VideoHacks #custom #howto #colab #vizy #cnn #ai -
How To Roll Your Own Custom Object Detection Neural Network
https://hackaday.com/2023/02/13/how-to-roll-your-own-custom-object-detection-neural-network/
#ArtificialIntelligence #digitalcamerashacks #TensorflowLite #neuralnetwork #charmedlabs #raspberrypi #VideoHacks #custom #howto #colab #vizy #cnn #ai -
https://netron.app - Visualizer for neural network, deep learning, and machine learning models. #onnx #keras #tensorflowlite #pytorch #coreml #ai #ml #deeplearning
-
TensorFlow erhöht die Keras-Nutzerfreundlichkeit durch einen neuen Umgang mit Attention Layern und geht eine Kooperation mit Intel, AWS und weiteren ein.
Machine-Learning: Keras gewinnt in TensorFlow 2.10 an Usability -
Machine Learning Gives Cats One More Way to Control Their Humans - For those who choose to let their cats live a more or less free-range life, there ... - https://hackaday.com/2022/08/26/machine-learning-gives-cats-one-more-way-to-control-their-humans/ #machinelearning #tensorflowlite #raspberrypi #microphone #lamdba #cats #meow #aws
-
TensorFlow Lite – On A Commodore 64 - TensorFlow is a machine learning and AI library that has enabled so much and broug... - https://hackaday.com/2022/07/06/tensorflow-lite-on-a-commodore-64/ #artificialintelligence #retrocomputing #tensorflowlite #commodore64 #tensorflow #c64
-
Edging Ahead When Learning On The Edge - “With the power of edge AI in the palm of your hand, your business will be unstopp... - https://hackaday.com/2022/06/21/edging-ahead-when-learning-on-the-edge/ #artificialintelligence #softwaredevelopment #tensorflowlite #pytorchlite #reactnative #tensorflow #tutorial #pytorch #reactna #ai
-
Die Keras-Library bekommt zusätzliche ResNet-Modelle und flexiblere Optimizer. Die schlanke Lite-Variante kennt zusätzliche Datentypen und Operationen.
Machine-Learning-Framework TensorFlow 2.9 erweitert Keras und TF Lite -
I managed to snag a #raspberrypi RPi4 2GB from @pimoroni last week. Was only avail as a UK kit, but still a reasonable price to the USA.
My three year old 24/7 Pi3B robot complained "Warning: Memory Usage Above 85%" for the first time this week when attempting to push a #ChatScript bot up to github.
I'm guessing 2GB will be plenty, even for casual #OpenCV
#TensorFlowLite on 320x140 images. -
Der erste Release Candidate für Version 2.8 gibt einen Ausblick auf umfangreiche Änderungen – inklusive Breaking Changes für die zugehörige Python-API Keras.
Machine Learning: TensorFlow 2.8 soll Funktionen von TensorFlow Lite erweitern -
The Calculator Charm: Calculatorium Leviosa! - Have you ever tried waving your hand around like a magic wand and summoning a calc... - https://hackaday.com/2021/11/28/the-calculator-charm-calculatorium-leviosa/ #wingardiumleviosa #machinelearning #tensorflowlite #harrypotter #tensorflow #linux #magic #wand
-
The Calculator Charm: Calculatorium Leviosa! - Have you ever tried waving your hand around like a magic wand and summoning a calc... - https://hackaday.com/2021/11/28/the-calculator-charm-calculatorium-leviosa/ #wingardiumleviosa #machinelearning #tensorflowlite #harrypotter #tensorflow #linux #magic #wand
-
Mind-Controlled Flamethrower - Mind control might seem like something out of a sci-fi show, but like the tablet c... - https://hackaday.com/2021/05/12/mind-controlled-flamethrower/ #machinelearning #tensorflowlite #neuralnetwork #flamethrower #mindcontrol #raspberrypi #tensorflow #arduino
-
Machine Learning Current Sensor Snoops on MCUs - Anyone who’s ever tried their hand at reverse engineering a piece of hardware has wished there was s... - https://hackaday.com/2021/03/23/machine-learning-current-sensor-snoops-on-mcus/ #reverseengineering #currentmonitoring #machinelearning #tensorflowlite #softwarehacks #tensorflow
-
Background Substitution, No Green Screen Required - All this working from home that people have been doing has a natural but unintended consequence: r... more: https://hackaday.com/2020/04/10/background-substitution-no-green-screen-required/ #semanticsegmentation #videoconference #tensorflowlite #greenscreen #videohacks #background #chromakey #opencv #v42l2
-
RT @[email protected] quick-and-dirty Pharo Smalltalk binding of TensorFlowLite C API. Quantized Mobilenet 1.0 244 works. #TensorFlowLite #Pharo https://t.co/hkcMm0oOSQ
