v2.6.0

A v2.6.0 egy Edge Impulse feltöltőt ad hozzá, amellyel a címkézett adathalmazokat közvetlenül a Dataset Editorból küldheted el, bevezeti az Arduino Portenta H7 kártya támogatását, és a beépített gépi tanulási munkafolyamatot a régi CMSIS-NN modellekről a TensorFlow Lite-ra migrálja. Ez a kiadás a korábbi 2.x kiadásokban használt Qt Creator 4.0.2 alapra épül. Egy felhasználó számára látható munkafolyamat-törést tartalmaz: a régi CMSIS-NN .network modellek és a hozzájuk tartozó nn_* példák eltávolításra kerültek, a MobileNet modellek pedig áthelyeződtek.

Kiemelések

  • Az Edge Impulse feltöltővel bejelentkezhetsz az Edge Impulse fiókodba, kiválaszthatsz egy projektet, megadhatsz egy tanító/teszt felosztást, és közvetlenül a Dataset Editor felületről töltheted fel a megnyitott adathalmazt.

  • Az Arduino Portenta H7 (STM32H747) mostantól támogatott kártya, beépített firmware-, rendszerbetöltő- és UVC-képfájlokkal.

  • A TensorFlow Lite migráció a régi CMSIS-NN neurális hálózati modelleket és nn_* példákat a TensorFlow Lite munkafolyamattal váltja fel.

  • Az új ML példák TensorFlow Lite arcadat-gyűjtést és eszközön futó arcfelismerést adnak hozzá.

  • A beépített firmware minden kártyához 3.6.4-ről 3.6.7-re frissült.

Új funkciók

  • Edge Impulse feltöltő. Hozzáadtunk egy feltöltőt, amely bejelentkezik az Edge Impulse fiókodba, lehetővé teszi egy projekt és egy tanító/teszt felosztás kiválasztását, és aláírt JPEG-betöltési mintaként közvetlenül a Dataset Editor felületről (vagy API-kulccsal) tölti fel a megnyitott adathalmazt. A JWT/API-kulcs a QSettings tárolóban kerül mentésre (8a828b45b, fa86179a7, ca9183864, a267de659).

  • TensorFlow Lite arcpéldák. Hozzáadtuk a tf_face_collection.py és tf_face_recognition.py fájlokat a 25-Machine-Learning mappához arcadat-gyűjtéshez és eszközön futó arcfelismeréshez/-osztályozáshoz (fb2d2cbb9).

  • Readout-Control példa. Hozzáadtunk egy apriltag_tracking.py példát a 35-Readout-Control mappához, amely nagy sebességű AprilTag-követést mutat be egy kis érzékelő-kiolvasási ablak mozgatásával az OpenMV Cam H7 Plus (OV5640) kártyán (0c6ce1a82).

Egyéb változások és fejlesztések

  • A régi CMSIS-NN neurális hálózati modelleket és nn_* példákat a TensorFlow Lite munkafolyamattal váltottuk fel, és a beépített MobileNet modelleket a share/qtcreator/models/tensorflow/mobilenet mappából a share/qtcreator/models/mobilenet mappába helyeztük át (0c6ce1a82).

Hibajavítások

  • Javítottuk azt a problémát, hogy a Dataset Editor zárolva tartott egy bezárt adathalmaz-mappát, úgy, hogy a fájlrendszer-modellt a mappa bezárásakor újraépítjük, valamint késleltettük az ablakállapot visszaállítását, hogy a fájlrendszer-figyelő helyesen inicializálódjon (af9fb441b).

  • Javítottuk az adathalmaz-exportálási menüt, hogy az egyetlen Export Dataset to Zip File művelet helyesen működjön, eltávolítva az elhalt, duplikált exportálási bejegyzést, és kijavítottuk a hibapárbeszéd/folyamatjelző sorrendjét export közbeni hiba esetén (ca9183864).

  • Javítottuk azt a hibát, hogy a Linux .png alkalmazásikon nem jött létre a kiadási buildben (a55dd4c1b).

Platform- és eszköztámogatás

  • Qt Creator alap: 4.0.2.

  • Új kártya: Arduino Portenta H7 (STM32H747), beépített firmware-/rendszerbetöltő-/UVC-képfájlokkal (54f4d565b).

  • Beépített OpenMV firmware: 3.6.4-ről 3.6.7-re frissült az OPENMV2/M4, OPENMV3/M7, OPENMV4/H7, OPENMV4P/H7 Plus és PORTENTA kártyákhoz (54f4d565b, fb2d2cbb9, 4bb1cf8d5).

Törést okozó változások

A beépített CMSIS-NN/régi neurális hálózati modellek (cifar10, cifar10_fast, lenet, smile, chars74k .network fájlok) és a hozzájuk tartozó nn_* példaszkriptek eltávolításra kerültek a TensorFlow Lite munkafolyamat javára. A MobileNet modellek a share/qtcreator/models/tensorflow/mobilenet mappából a share/qtcreator/models/mobilenet mappába kerültek át. Azok a szkriptek vagy projektek, amelyek a régi CMSIS-NN modellekre vagy a régi MobileNet útvonalra hivatkoznak, többé nem találják meg azokat; térj át a TensorFlow Lite munkafolyamatra, vagy frissítsd ennek megfelelően a modell útvonalát.