NE301 Verified Models
NE301 基于 STM32N6 NPU，支持 TFLite Int8 量化模型推理。下表列出所有经过实际设备验证的模型（共 12 个）。
硬件约束
| 参数 | 值 | 参数 | 值 |
|---|---|---|---|
| NPU | STM32N6，TFLite Int8 | 最大分辨率 | 480×480 |
| 输入格式 | uint8, RGB888 | 模型存储 | 10 MB（2 个分区，各 5MB） |
| 同时加载 | 1 个模型 | 输出量化 | _uf=float32, _ui=int8 |
下载文件说明：
- tflite — 原始 TFLite 权重文件，可用于二次开发或模型分析
- json — NE301 模型配置文件，定义输入规格、后处理类型和推理参数
- bin — NE301 专用 OTA 固件包，通过 Web 界面直接上传即可部署
1. 通用目标检测（COCO 80 类）
支持人、车、动物、家具等 80 个类别检测。_uf 精度更高，_ui 速度快约 10%。
| 架构 | 尺寸 | 量化 | 大小 | 验证效果 | 模型文件 | OTA 包 | License |
|---|---|---|---|---|---|---|---|
| YOLOv8n | 256×256 | _uf | 3.2MB |  ● zebra 95% 1 detection | tflitejson | bin | AGPL-3.0 |
| YOLOv8n | 256×256 | _ui | 3.2MB |  ● zebra 95% 1 detection | tflitejson | bin | AGPL-3.0 |
| ST YOLO-X | 480×480 | int8 | 2.4MB |  ● person 99.9% ● person 99.9% ● person 99.8% ● person 80% 4 detections | tflitejson | bin | SLA0044 |
2. 人员检测
仅检测"人"这一类别，后处理更轻量。
| 架构 | 尺寸 | 量化 | 大小 | 验证效果 | 模型文件 | OTA 包 | License |
|---|---|---|---|---|---|---|---|
| YOLOv8n | 256×256 | _uf | 3.1MB |  ● person 90% 1 detection | tflitejson | bin | AGPL-3.0 |
| YOLO11n | 256×256 | _uf | 3.0MB |  ● person 92% 1 detection | tflitejson | bin | AGPL-3.0 |
3. 姿态估计
每个检测到的人体输出 17 个关键点（COCO keypoint 格式），适用于动作识别、姿态分析等场景。
| 架构 | 尺寸 | 量化 | 大小 | 验证效果 | 模型文件 | OTA 包 | License |
|---|---|---|---|---|---|---|---|
| YOLOv8n Pose | 256×256 | _uf | 3.4MB |  ● pose 1 · 87% · 17 keys ● pose 2 · 81% · 17 keys ● pose 3 · 77% · 17 keys 3 poses | tflitejson | bin | AGPL-3.0 |
| YOLOv8n Pose | 256×256 | _ui | 3.4MB |  ● pose 1 · 86% · 17 keys ● pose 2 · 81% · 17 keys ● pose 3 · 74% · 17 keys 3 poses | tflitejson | bin | AGPL-3.0 |
| YOLO11n Pose | 256×256 | _uf | 3.6MB |  ● pose 1 · 80% · 17 keys ● pose 2 · 70% · 17 keys ● pose 3 · 63% · 17 keys 3 poses | tflitejson | bin | AGPL-3.0 |
4. 仪表读数检测
支持数字表与指针表两类读数检测。数字表识别表盘上的 0-9 数字，适用于水表、电表、气表等场景；指针表通过 4 个关键点（表盘中心、最大值刻度、最小值刻度、指针尖端）计算指针角度，直接输出实际读数值，适用于压力表、温度表等模拟仪表。
| 架构 | 尺寸 | 量化 | 大小 | 验证效果 | 模型文件 | OTA 包 | License |
|---|---|---|---|---|---|---|---|
| YOLOv8n | 256×256 | _ui | 3.1MB |  ● "0" 81% ● "0" 74% ● "0" 57% ● "0" 33% ● "3" 43% ● "5" 30% ● "5" 21% 7 detections | tflitejson | bin | AGPL-3.0 |
| YOLOv8n Pose | 256×256 | _ui | 3.2MB |  ● gauge 92% · 4 keys ↻ reading 46.99 1 gauge · ratio 0.47 · ccw | tflitejson | bin | AGPL-3.0 |
指针表读数模型说明：读数值（reading）通过 Web 界面与 Webhook 输出，需配合 App ≥ v2.1.0.78 / Web UI ≥ v1.3.4.7 固件。
5. 实例分割（COCO 80 类）
在目标检测基础上，为每个检测目标输出像素级分割掩码（32×32），适用于精细分割场景。
| 架构 | 尺寸 | 量化 | 大小 | 验证效果 | 模型文件 | OTA 包 | License |
|---|---|---|---|---|---|---|---|
| YOLOv8n Seg | 256×256 | _ui | 3.6MB |  ● person 86% ● person 83% ● person 77% ● person 73% 4 segments | tflitejson | bin | AGPL-3.0 |
6. 人脸检测
检测人脸位置并输出 6 个关键点（左右眼、鼻尖、嘴中心、左右耳），适用于人脸定位、表情分析等场景。
| 架构 | 尺寸 | 量化 | 大小 | 验证效果 | 模型文件 | OTA 包 | License |
|---|---|---|---|---|---|---|---|
| BlazeFace | 128×128 | _ui | 245KB |  ● face 89% · 6 keypoints 1 face detected | tflitejson | bin | Apache 2.0 |
模型部署
表格中提供两类下载文件：
- tflite + json：适用于二次开发，需要自行编译为固件包后部署，详见 模型训练与部署指南
- bin：NE301 OTA 固件包，可直接上传到设备使用，详见 快速入门。也可通过 Web UI 首页 功能调试（Feature Debugging） → upload 或 系统设置（System Setting）→ 固件升级（Firmware Upgrade） 上传
更多模型正在适配中，请期待。自定义模型编译可参考 模型训练与部署指南。
文档版本：v1.7 · 最后更新：2026-06-12