这是STM32人工智能合作伙伴介绍系列的第一集,  我们会在以后的几个月里陆续为大家曝光多家STM32生态的公司和产品, 希望能为大家的开发带来更多的创意和灵感！

我们介绍的第一家便是在嵌入式圈子已经小有名气的OpenMV （国内由星瞳科技代理）。

下面整理了OpenMV 智能摄像头模组的各个版本在硬件和功能上的差异。

硬件差异

) g! }3 G8 U/ w6 `9 z

& n+ `! e# M6 t7 Q

功能差异

! U; a8 i3 V2 k) a) g4 x

0 F5 H% d0 {8 ?0 D# J. q

具体功能介绍和最新发售的OpenMV4 Cam H7 Plus优点请点击。

http://mp.weixin.qq.com/s/Fjzr04z9szvuDZiqdjfBWQ

/ y% A' k+ n, [' U$ [

下面重点介绍下OpenMV的最新固件版本v3.5.0对TensorFlow-Lite 的支持。

大家肯定会问，TensorFlow-Lite跟OpenMV之前实现的传统机器视觉算法（比如追踪、检测和识别）有什么区别呢?

首先TensorFLow-Lite 是TensorFLow为嵌入式设备优化的版本，采用机器学习中的深度学习算法（20岁小伙子），跟传统的机器视觉算法（70岁老大爷）比还很年轻。

好处在于你不需要根据特定应用来手工设计特征（你需要对特定领域和数据特别了解），但是缺点就是需要大量的数据集作为训练的素材。

9 W7 c# `* ~  W1 U5 y; T0 n

当然STM32和OpenMV一起为MCU开发者提供了一系列工具来减轻用户的工作量。

（下面提到的神经网络是深度学习的主要模型）

具体到机器视觉，第1到3需要用户自主完成，从第4步开始借助Cube.AI来完成从预训练模型到C代码的转换，而OpenMV则在生成的AI库基础上添加了一层可以通过microPython调用的包装。

具体的例子可以参考，

http://github.com/openmv/openmv/tree/master/src/stm32cubeai

如果想要学习怎么使用Cube.AI，可以参考下面系列课程

http://c.51diantang.com/coursedetail?id=a8f58d8f5f8442cb9d66b3d74cef9221

4 T- c1 Q* I/ ^+ i9 z! m* g

$ w: ^0 Q; p; M! N9 O

6 J  n6 ?8 F6 W* h* C, t/ q$ f( u$ C1 S- w

5 E; S1 I4 [- S5 {8 B8 d7 j

哪里可以购买？

需要KEY