# AiBox-Toolkit **Repository Path**: kydczj/EdgeAl-Toolkit ## Basic Information - **Project Name**: AiBox-Toolkit - **Description**: 边缘视频分析盒子算法移植适配 - **Primary Language**: Unknown - **License**: Apache-2.0 - **Default Branch**: master - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 2 - **Forks**: 0 - **Created**: 2025-09-28 - **Last Updated**: 2026-03-06 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README 开发套件是一个**自定义算法**开发工具，可满足用户训练自己专有模型，快速适配到算力设备，构建工业级智能分析产品。 ![](docs/assets/homepage.png) 开发套件工作示意图。只需开发自定义算法包的四项内容，满足工厂、工地、油田、矿山等场景安全生产监测应用。 ![](docs/assets/homepage2.png) 系统工作流程图。只需关注推理模块与后处理模块，按需开发算法模型与业务逻辑，可构建工业级智能分析应用。 ## 新功能 - 2024年12月 - 开放算法推理代码，用户可导入专有模型 - 开放设备后台，用户可调试代码、查看日志 - 2024年11月 - 开放算法后处理代码，用户可编写业务逻辑代码 - 开放算法数据集，用户可训练优化标准模型 ## 快速开始 参照如下步骤，快速开发一个**自定义算法包**。 | 第一步：确定任务类型 | 第二步：训练自有模型 | 第三步：编写推理或后处理代码 | 第四步：算法包配置&加密 | |:----------------------------------------------------------- |:----------------------------------------------------------------------------------------------------------- | ----------------------------------------------------------------------------------------------------- | -------------------------------------------------------------------- | | a. 根据业务需求，从[开发样例](#开发样例)中选择一种参考样例。
b. 在参考样例中，按照开发文档逐步操作。 | a. [模型训练](#03模型训练)：提供了5大类5种模型训练方法，若新训模型不在以上5种列表中，可自行开发训练。
b. [模型量化](#04模型量化)：提供瑞芯微量化工具，将onnx模型量化为rknn格式。 | a. 若新算法包所需模型在本仓库提供的[5种模型](#03模型训练)中，则无需编写推理代码，否则，参考[开发样例](#开发样例)编写推理代码。
b. 根据[开发样例](#开发样例)编写后处理代码。 | a. 参考[开发样例](#开发样例)，对算法包配置文件修改
b. 参考[开发样例](#开发样例)对算法包进行加密得到最终bin文件 | ## 01 算法包开发 ### 开发样例 教程提供了八种算法包样例，用户可根据需求，参照相应样例，开发专有算法包。 | 类型 | 介绍 | 参考样例 | |:------------------------------------------------------------------:|:---------------------------------------------------:|:------------------------------------------:| | 快速入门类
| 单模型目标检测算法。无需编写代码，替换为自有模型，修改配置即可使用。 | [样例](engine/examples/quick_start) | | 目标检测类
| 单模型目标检测算法。如区域入侵、离岗检测、车型检测等。业务逻辑简单，使用最广泛。 | [样例](engine/examples/object_detection) | | 模型级联类
![cascade_class.png](docs/assets/cascade_class.png) | 模型A的输出作为模型B的输入，算法基于模型B的输出决策。如未佩戴安全帽检测、抽烟检测、使用手机检测等。 | [样例](engine/examples/model_cascading) | | 模型并联类
![para_class.png](docs/assets/para_class.png) | 算法基于模型A/B的并行化输出决策。如未穿戴反光衣检测、挂钩高挂低用检测等。 | [样例](engine/examples/model_parallelism) | | 目标跟踪类
![track_class.png](docs/assets/track_class.png) | 算法基于同一目标在多帧下的坐标或时间数据决策。如徘徊检测、睡岗检测等。 | [样例](engine/examples/object_tracking) | | 目标计数类
![count_class.png](docs/assets/count_class.png) | 算法基于跟踪数据与预设直线数据决策。如人员计数、车辆计数等。 | [样例](engine/examples/object_counting) | | 底库比对类
![compare_class.png](docs/assets/compare_class.png) | 算法基于在线图像或目标特征与底库特征数据比对决策。如人脸识别、未穿工服检测、消防通道占用检测等。 | [样例](engine/examples/base_lib_comparision) | | 图像分类类
![compare_class.png](docs/assets/obj_class.png) | 图像分类算法。如雨雾识别、矿石颗粒度等级检测等。 | [样例](engine/examples/image_classification) | ## 02数据集 #### 标注工具 - 目标检测标注工具：[链接](https://pan.baidu.com/s/1PvFf5yUyW1jwhyiDWbFDEg?pwd=0000) - 姿态&分割标注工具：[链接](https://pan.baidu.com/s/1PXnlpoZxmtK1cThaFEj1vg?pwd=0000) - OCR标注工具：[链接](https://pan.baidu.com/s/1UudJGGLMBX0vWYn7JAYB0g?pwd=0000) #### 标注样例 | [**目标检测**](https://pan.baidu.com/s/1luEjFr8_SHCRHhJFSkqjcA?pwd=0000) | [**实例分割**](https://pan.baidu.com/s/1fCIEHnce3V48h6ZZtKhq0A?pwd=0000) | [**姿态检测**](https://pan.baidu.com/s/1k5FKOWfKoInTKOEuuh8uLg?pwd=0000) | |:--------------------------------------------------------------------:|:--------------------------------------------------------------------:|:---------------------------------------------------------------------:| | ![detect.png](docs/assets/detect.png) | ![segment.png](docs/assets/segment.png) | ![pose.png](docs/assets/pose.png) | | [**图像分类**](https://pan.baidu.com/s/1heYpj7qgexHhIaQQ8_pDEA?pwd=0000) | [**字符识别**](https://pan.baidu.com/s/1Z9h46BJiRKqI_MKYUeoPLg?pwd=0000) | [**特征提取**](https://pan.baidu.com/s/1PHuvWME52MbeCgF3MvXTZQ?pwd=0000 ) | | ![classify](docs/assets/classify.png) | ![ocr.png](docs/assets/ocr.png) | ![depth.png](docs/assets/depth.png) | ## 03模型训练 提供5大类5种模型训练方法。模型输入：数据集+预训练模型（可选），输出：onnx格式权重。提供数据集[标注工具](#标注工具)与[标注样例](#标注样例)，可参考标注数据集。 | 目标检测 🚀 | 实例分割⭐ | 姿态检测 | 图像分类 | 字符识别 | |:-------------------------------------------------------------------------------------------------------------------------------------------------:|:------------------------------------------------------------------------------------------------------------------------------------------------------------:|:------------------------------------------------------------------------------------------------------------------------------------------------------:|:--------------------------------------------------------------------------:|:--------------------------------------------------------------:| | 提供yolov5-6.2版本模型训练方法，快速训练专有检测模型。
[预训练权重](https://pan.baidu.com/s/1eGCl5q809TVYe8vh7heh3A?pwd=0000)
[训练方法](train/detection/yolov5/README.md) | 提供yolov5-seg-7.0版本模型训练方法，快速训练专有分割模型。
[预训练权重](https://pan.baidu.com/s/11XLNJquvQB8zvBla9XhXpA?pwd=0000)
[训练方法](train/segmentation/yolov5-seg/README.md) | 提供yolov8-pose-8.1版本模型训练方法，快速训练专有姿态模型。
[预训练权重](https://pan.baidu.com/s/1tsMtCUsilnOUZTt-kD--XA?pwd=0000)
[训练方法](train/pose/yolov8-pose/README.md) | 提供resnet-18模型训练方法，快速训练专有分类模型。
[训练方法](train/classify/resnet18/README.md) | 提供paddleocr模型训练方法，快速训练字符识别专有模型。
[训练方法](train/ocr/paddleocr) | ## 04模型量化 提供瑞芯微量化套件，将onnx模型量化为rknn格式。 | 适配芯片 | 量化套件 | 量化方法 | |:------------------:|:-----------------------------------------------------------------------------:|:-----------------------------------------------------------:| | 🔥瑞芯微RK3568/RK3588 | 提供python量化包
[下载](https://pan.baidu.com/s/1AVKxKGzBEc0iBMuSMJaDJQ?pwd=0000) | 提供模型量化方法，提高模型推理速度。
[文档](quantization/rockchip/README.md) | ## FAQ 提供自定义算法包开发与调试过程中的常见问题，如开发中存疑，可从[FAQ](./docs/FAQ.md)文档中查找答案。