意法半導(dǎo)體在GitHub上發(fā)布了其機(jī)器學(xué)習(xí)核心庫(kù)（https://github.com/STMicroelectronics/STMems_Machine_Learning_Core），并附帶示例和配置文件，極大地改善了開(kāi)發(fā)體驗(yàn)。眾所周知，人工智能設(shè)計(jì)非常困難，因?yàn)樗蕾囉跀?shù)據(jù)科學(xué)。此外，創(chuàng)建正確的算法（例如決策樹）并進(jìn)行設(shè)置也可能很棘手。所有這些問(wèn)題又限制了工程師進(jìn)入門檻。因此，ST在GitHub上發(fā)布了一系列軟件來(lái)解決此問(wèn)題。該軟件包包括數(shù)據(jù)日志的子集，以及LSM6DSOX，LSM6DSRX，ISM330DHCX，IIS2ICLX慣性傳感器的應(yīng)用程序和配置示例。它已經(jīng)為主要的ST客戶提供了服務(wù)，來(lái)開(kāi)發(fā)其商業(yè)解決方案。因此，我們認(rèn)為社區(qū)的其他成員也可以從中受益。

使機(jī)器學(xué)習(xí)更易訪問(wèn)

支持的傳感器是獨(dú)特的，因?yàn)樗鼈兌季哂锌梢圆⑿羞\(yùn)行一個(gè)或多個(gè)決策樹的機(jī)器學(xué)習(xí)核心。 ST是第一個(gè)提供這種組件的公司，因?yàn)闄C(jī)器學(xué)習(xí)核心可以以微控制器的低功耗低資源占用率提供決策能力。結(jié)果，意法半導(dǎo)體（ST）從2019年開(kāi)始使用LSM6DSRX和ISM330DHCX等新器件擴(kuò)展其產(chǎn)品線。ST還通過(guò)發(fā)布Unico-GUI之類的工具來(lái)減少進(jìn)入的障礙。該程序提供了一個(gè)圖形界面，有助于進(jìn)行數(shù)據(jù)收集和機(jī)器學(xué)習(xí)核心的配置。因此，GitHub庫(kù)是旨在使機(jī)器學(xué)習(xí)更易于訪問(wèn)的另一項(xiàng)舉措。任何人都可以簡(jiǎn)單地按照軟件包中概述的步驟進(jìn)行操作，并在幾分鐘內(nèi)測(cè)試應(yīng)用程序。

機(jī)器學(xué)習(xí)核心庫(kù)

健身活動(dòng)

機(jī)器學(xué)習(xí)核心庫(kù)的一個(gè)示例是在LSM6DSOX上運(yùn)行的健身識(shí)別。該程序使腕帶能夠自動(dòng)檢測(cè)到二頭肌彎曲，側(cè)舉，下蹲或靜止位置。用戶需要告知系統(tǒng)可穿戴設(shè)備是在左手還是右手。該應(yīng)用程序依賴于使用LSM6DSOX慣性模塊的腕帶收集的數(shù)據(jù)。ST用可穿戴設(shè)備先從右手再到左手收集數(shù)據(jù)，現(xiàn)在在存儲(chǔ)庫(kù)中提供“左手”數(shù)據(jù)的子集。此外，開(kāi)發(fā)人員將找到示例來(lái)幫助他們?cè)O(shè)計(jì)類似的算法，并研究應(yīng)用于加速度計(jì)信號(hào)的濾波器。

瑜伽姿勢(shì)

這個(gè)應(yīng)用程序很有趣，因?yàn)樗\(yùn)行在SensorTile.Box上，并且可以識(shí)別12個(gè)瑜伽位置以及兩個(gè)非瑜伽站立位置（靜止和運(yùn)動(dòng)中）?？梢詫⒃O(shè)備連接到用戶的左腿上，并使用其強(qiáng)大的傳感器來(lái)運(yùn)行具有20個(gè)節(jié)點(diǎn)的決策樹。當(dāng)用戶改變姿勢(shì)時(shí)，系統(tǒng)可以在不到一秒鐘的時(shí)間內(nèi)檢測(cè)到它。該系統(tǒng)可以區(qū)分木板，孩子的姿勢(shì)，狗或冥想姿勢(shì)等。該數(shù)據(jù)庫(kù)還提供了來(lái)自UNICO-GUI的數(shù)據(jù)日志，該日志有助于創(chuàng)建決策樹分類器。該系統(tǒng)通過(guò)在X，Y和Z軸上跟蹤加速度計(jì)的平均值來(lái)確定姿勢(shì)。

機(jī)器學(xué)習(xí)核心庫(kù)和運(yùn)動(dòng)檢測(cè)

車輛靜止檢測(cè)

靜態(tài)檢測(cè)算法通過(guò)更精確的LSM6DSRX來(lái)確定汽車是否在行駛。該應(yīng)用程序使用來(lái)自加速度計(jì)和陀螺儀的數(shù)據(jù)，并且無(wú)論方向如何均可工作。GitHub庫(kù)中還提供了收集的數(shù)據(jù)日志的一部分，以制作此程序。此外，ST提供了配置示例，以幫助開(kāi)發(fā)人員研究類似算法。該示例可幫助初學(xué)者了解一些濾波器如何對(duì)輸入信號(hào)產(chǎn)生影響。該配置還顯示了我們?nèi)绾螌?shí)現(xiàn)具有30個(gè)節(jié)點(diǎn)的決策樹。意法半導(dǎo)體在其嬰兒哭鬧探測(cè)器中使用了類似的算法。的確，行駛中的汽車意味著有駕駛員在場(chǎng)，這意味著即使嬰兒在哭，也不需要發(fā)出警報(bào)，因?yàn)槠囍杏谐扇恕?/p>

頭部識(shí)別

頭部動(dòng)作識(shí)別應(yīng)用程序還使用LSM6DSRX。耳機(jī)中的傳感器可以確定用戶是在點(diǎn)頭，靜止，行走，搖頭還是搖頭。ST使用此特定的慣性傳感器為該算法收集了數(shù)據(jù)，并且有一部分?jǐn)?shù)據(jù)日志可用。該應(yīng)用程序使用X上來(lái)自加速度計(jì)和陀螺儀的數(shù)據(jù)，Y和Z軸。 但是，并非所有數(shù)據(jù)源都接收相同的過(guò)濾器。 例如，系統(tǒng)僅在Y軸上監(jiān)視加速度計(jì)的最大閾值，而在同一感測(cè)元件的X軸上尋找最小閾值。 因此，這是信號(hào)處理在機(jī)器學(xué)習(xí)應(yīng)用程序中的重要性的一個(gè)很好的例子。此外，決策樹本身非常簡(jiǎn)單，只有七個(gè)節(jié)點(diǎn)就可以檢測(cè)五個(gè)類別。
編輯：lyn