v2.6.0

A versão v2.6.0 adiciona um carregador para Edge Impulse que permite enviar conjuntos de dados etiquetados diretamente a partir do Editor de Conjuntos de Dados, acrescenta suporte para a placa Arduino Portenta H7 e migra o fluxo de trabalho de aprendizagem automática incluído dos modelos CMSIS-NN legados para TensorFlow Lite. Esta versão mantém a base Qt Creator 4.0.2 utilizada pelas versões 2.x anteriores. Contém uma alteração de fluxo de trabalho visível para o utilizador: os modelos .network CMSIS-NN antigos e os respetivos exemplos nn_* foram removidos e os modelos MobileNet foram movidos.

Destaques

  • O carregador para Edge Impulse permite iniciar sessão na sua conta Edge Impulse, escolher um projeto, definir a divisão treino/teste e carregar o conjunto de dados diretamente a partir do Dataset Editor.

  • O Arduino Portenta H7 (STM32H747) é agora uma placa suportada, com firmware, bootloader e imagens UVC incluídos.

  • A migração para TensorFlow Lite substitui os modelos de rede neuronal CMSIS-NN legados e os exemplos nn_* pelo fluxo de trabalho TensorFlow Lite.

  • Os novos exemplos de ML adicionam recolha de dados faciais com TensorFlow Lite e reconhecimento facial no dispositivo.

  • O firmware incluído foi atualizado de 3.6.4 para 3.6.7 em todas as placas.

Novas funcionalidades

  • Carregador para Edge Impulse. Foi adicionado um carregador que inicia sessão na sua conta Edge Impulse, permite escolher um projeto e uma divisão treino/teste, e carrega o conjunto de dados diretamente a partir do Dataset Editor (ou mediante chave de API) como amostras de ingestão JPEG assinadas. A chave JWT/API é armazenada em QSettings (8a828b45b, fa86179a7, ca9183864, a267de659).

  • Exemplos TensorFlow Lite para rostos. Foram adicionados tf_face_collection.py e tf_face_recognition.py em 25-Machine-Learning para recolha de dados faciais e reconhecimento/classificação facial no dispositivo (fb2d2cbb9).

  • Exemplo Readout-Control. Foi adicionado um exemplo apriltag_tracking.py em 35-Readout-Control que demonstra o rastreio de AprilTag a alta velocidade através do movimento de uma pequena janela de leitura do sensor na OpenMV Cam H7 Plus (OV5640) (0c6ce1a82).

Outras alterações e melhorias

  • Os modelos de rede neuronal CMSIS-NN/legados e os exemplos nn_* foram substituídos pelo fluxo de trabalho TensorFlow Lite, e os modelos MobileNet incluídos foram movidos de share/qtcreator/models/tensorflow/mobilenet para share/qtcreator/models/mobilenet (0c6ce1a82).

Correções de erros

  • Corrigido o Dataset Editor que mantinha um bloqueio numa pasta de conjunto de dados fechada, reconstruindo o modelo do sistema de ficheiros quando a pasta é fechada, e adiado o restauro do estado da janela para que o observador do sistema de ficheiros seja inicializado corretamente (af9fb441b).

  • Corrigido o menu de exportação do conjunto de dados para que a ação única Export Dataset to Zip File funcione corretamente, removendo a entrada de exportação duplicada inativa, e corrigida a ordem da caixa de diálogo de erro/progresso em caso de falha na exportação (ca9183864).

  • Corrigida a produção do ícone de aplicação .png no Linux na versão de lançamento (a55dd4c1b).

Suporte de plataforma e ferramentas

  • Base Qt Creator: 4.0.2.

  • Nova placa: Arduino Portenta H7 (STM32H747), com firmware/bootloader/imagens UVC incluídos (54f4d565b).

  • Firmware OpenMV incluído: atualizado de 3.6.4 para 3.6.7 para OPENMV2/M4, OPENMV3/M7, OPENMV4/H7, OPENMV4P/H7 Plus e PORTENTA (54f4d565b, fb2d2cbb9, 4bb1cf8d5).

Alterações incompatíveis

Os modelos de rede neuronal CMSIS-NN/legados incluídos (ficheiros .network de cifar10, cifar10_fast, lenet, smile, chars74k) e os respetivos scripts de exemplo nn_* foram removidos em favor do fluxo de trabalho TensorFlow Lite. Os modelos MobileNet foram movidos de share/qtcreator/models/tensorflow/mobilenet para share/qtcreator/models/mobilenet. Scripts ou projetos que referenciem os modelos CMSIS-NN antigos ou o caminho MobileNet antigo deixarão de os encontrar; migre para o fluxo de trabalho TensorFlow Lite ou atualize o caminho do modelo em conformidade.