reComputer AI Lab | KI-Modelle und Tools für die Edge
Was ist reComputer AI Lab?
reComputer AI Lab ist eine offene Plattform, um Edge-KI-Modelle mit einem einzigen Docker-Befehl auf der reComputer-Hardware von Seeed Studio bereitzustellen. Sie vereint über 100 optimierte Modelle aus den Bereichen Computer Vision, LLM und VLM, eine Hardware-Toolchain zum Flashen und zur Modellkonvertierung, Schritt-für-Schritt-Tutorials sowie Community-Projekte – alles abgestimmt auf reComputer-Geräte auf Basis von NVIDIA Jetson, Rockchip RK3576/RK3588 und Raspberry Pi. Jedes Modell wird mit Benchmarks und einem sofort ausführbaren Bereitstellungsbefehl geliefert, sodass Sie in nur zwei Schritten vom Durchstöbern zur Inferenz am Edge gelangen. Ob Sie eine Vision-Anwendung prototypisieren, ein lokales LLM betreiben oder ein industrielles KI-Projekt ausliefern – reComputer AI Lab senkt die Einstiegshürde für praxistaugliche Edge-KI mit reproduzierbaren, hardwareoptimierten Workflows.
Schnellzugriff
Direkt zu dem, was du brauchst
Modelle entdecken
CV-, LLM- und VLM-Modelle, die direkt auf reComputer laufen.
Alle Modelle ansehen →Tools
Für reComputer optimierte Toolchain – einsatzbereit mit einem Befehl.
Tools ansehen →Tutorials
Schritt-für-Schritt-Anleitungen und praktische Tutorials für reComputer.
Alle Tutorials ansehen →Community-Projekte
Teile deine Community-Projekte, die du mit reComputer gebaut hast.
Alle Projekte ansehen →Community-Projekte
Alle Projekte ansehenSieh, was die Community mit reComputer baut
Objekterkennung mit YOLO11 auf reComputer-RK
Industrielle CV-Lösung für RK3588/RK3576: NPU-beschleunigtes YOLO11 und MJPEG-Streaming.
Waffenerkennung mit Frigate NVR auf R2000
KI-gestützte Echtzeit-Waffenerkennung auf reComputer R mit YOLO11 und Hailo.
NVBlox mit Orbbec-Kamera auf Jetson AGX Orin bereitstellen
Isaac ROS NVBlox: GPU-beschleunigtes Echtzeit-3D-Mapping für Roboter.
Fußballspieler-Tracking-Analyse mit reComputer RK3576
Nutzung der RGA 2D-Hardwarebeschleunigung und VPU-MPP-Beschleunigung des reComputer RK3576. Ausführen des yolov8n-Modells zur Erkennung von Fußballspielern für Echtzeitanalyse.
Echtzeit-Inferenz CPP-Projekt für YOLOv8 auf RK3576
CPP-Projekt für Echtzeit-Inferenz mit YOLOv8 mit Mehrquelleneingabe und Mehrstromausgabe, basierend auf RK3576, RKNN, MPP, RGA und ZLMediaKit.
Mehrszenen-Sturzdetektion basierend auf reComputer RK3576
Erkennung von Sturzverhalten in mehreren Szenarien und bei mehreren Zielen mithilfe des YOLOv8n-pose-Modells, mit Beschleunigung der Inferenz durch reComputer RK3576 und einfacher Informationsrückmeldung über eine Webseite.
Luftobjekterkennung auf reComputer RK3576
VisDrone-trainierte YOLOv8s Luftobjekterkennung, unterstützt 11 Luftkategorien einschließlich Fußgänger, Fahrzeuge und Radfahrer, mit effizienter Inferenz auf RK3576.
Aufbau eines privaten Home-Assistant-Sprachassistenten auf dem RK3576
Erstellen Sie einen privaten, lokal laufenden Home-Assistant-Sprachassistenten auf Rockchip RK3576. Der Stack kombiniert Whisper für Spracherkennung, Piper für Sprachsynthese, openWakeWord für Wake-Word-Erkennung und Qwen für lokale Konversation – alles beschleunigt durch die NPU des RK3576.
VPU- und NPU-Hardwarebeschleunigungs-Benchmark des reComputer RK3576
Benchmark-Ergebnisse für MPP-beschleunigte YUV420-zu-MJPG/H264/H265-Kodierung, MJPG-zu-YUV420-Dekodierung und RKNN-beschleunigte Inferenz mit YOLOv8n, YOLOv8s und YOLOv8m auf dem reComputer RK3576.