nnstreamer
2.0.1
神经网络支持作为GSTREAMER插件。
NNStreamer是一组GSTREAMER插件，可让GSTREAMENER开发人员轻松有效地采用神经网络模型和神经网络开发人员来管理神经网络管道及其过滤器。
建筑描述（WIP）
朝向带有流管线的设备AI设备AI，IEEE/ACM ICSE 2022 SEIP
NNSTREAMER：在设备AI系统的高效和敏捷开发，IEEE/ACM ICSE 2021 SEIP [媒体]
NNStreamer：神经网络的流处理范例... [PDF/Tech Report]
GSTREAMER会议2018，NNStreamer [Media] [PDF/Slides]
Naver Tech Talk（韩文），2018 [媒体] [PDF/幻灯片]
三星开发人员会议2019年，NNStreamer（媒体）
NNStreamer的ResearchGate页面
| 蒂森 | Ubuntu | 安卓 | Yocto | macos | |
|---|---|---|---|---|---|
| 5.5平方米及以后 | 16.04 /18.04/20.04/22.04 | 13 | 柯克斯通 | ||
| 手臂 | 可用的 | 可用的 | 准备好 | N/A。 | |
| ARM64 | 可用的 | N/A。 | |||
| x64 | 准备好 | 准备好 | 可用的 | ||
| 发布 | Tizen Repo | PPA | 每日构建 | 层 | 酿造水龙头 |
| API | C/C＃（官方） | c | 爪哇 | c | c |
准备就绪：CI系统可确保建立能力和单位测试。用户可以轻松构建和执行。但是，我们没有此实例的自动发布和部署系统。
可用：二进制软件包将与CI测试一起自动释放并自动部署。
每日发行
SDK支持：Tizen Studio（5.5 m2+） / Android Studio（Jcenter，“ NNStreamer”）
启用了官方版本的功能
为GSTREAMER流提供神经网络框架连接（例如，Tensorflow，Caffe）。
AI项目的有效流媒体流：将高效且灵活的流管线应用于神经网络。
智能媒体过滤器！ ：使用神经网络模型作为媒体过滤器 /转换器。
复合型号！ ：单个流管线实例中的多个神经网络模型。
多模态智能！ ：神经网络模型的多个来源和流路径。
使用DeFacto-Standard Media流框架GSTREAMER提供简单的方法来通过神经网络模型构建媒体流。
GSTREAMER用户：使用神经网络模型，就好像它们是另一个媒体过滤器一样。
神经网络开发人员：轻松有效地管理媒体流。
Myungjoo火腿
钟月
Geunsik Lim
Sangjung Woo
Wook歌
Jaeyun Jung
Hyoungjoo Ahn
Parichay Kapoor
Dongju Chae
Gichan Jang
Yongjoo Ahn
李小龙
请注意，该项目刚刚开始，许多组件都处于设计阶段。在组件描述页面中，我们描述了以下三个类别的NNStreamer组件：数据类型定义，Gstreamer元素（插件）和其他MISC组件。
有关更多详细信息，请访问以下手册。
对于Tizen，Debian和Ubuntu等Linux的系统，请在此处按此处。
对于MacOS系统，请按此处。
要为Android构建API库，请在此处按下。
边缘示例
带有NNStreamer的产品
NNStreamer示例应用程序：github /屏幕截图
CI服务状态
Taos-CI配置文件，用于NNStreamer。
尽管框架可能像TensorFlow-GPU一样透明地加速，但NNStreamer提供了各种硬件加速subplugins。
Movidius-X通过NCSDK2 Subplugin：发布
Movidius-X通过OpenVino Subplugin：释放
Edge-TPU通过Edgetpu Subplugin：发布
通过NNFW（一个旧名称）Subplugin的一个运行时间：发布
Armnn通过Armnn Subplugin：释放
Verisilicon-Vivante通过Vivante Subplugin：释放
通过SNPE Subplugin的高通SNPE：发布
通过QNN Subplugin：Qualcomm ai Engine Direct（QNN）：发布
NVIDIA通过Tensorrt Subplugin：释放
Tri-X NPU：发布
NXP I.MX系列：通过供应商
其他：TVM，TensorFlow，TensorFlow-Lite，Pytorch，Caffe2，Snap，...
欢迎捐款！请参阅我们的贡献指南以获取更多详细信息。
