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）。如需获取其他可直接使用的模型，可先查看 CamThink Developer Center 的 Models 页面。

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

固件要求 — 自 2026-07 起，OTA 包（.bin）基于 STEdgeAI Runtime v4.0 编译，请搭配 2026-07 及之后发布的设备固件（App）使用；更早的固件会因 NPU 运行时版本不匹配而无法加载模型。

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	tflite json	bin	AGPL-3.0
YOLOv8n	256×256	_ui	3.2MB	● zebra 95% 1 detection	tflite json	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	tflite json	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	tflite json	bin	AGPL-3.0
YOLO11n	256×256	_uf	3.0MB	● person 92% 1 detection	tflite json	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	tflite json	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	tflite json	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	tflite json	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	tflite json	bin	AGPL-3.0
YOLOv8n Pose	256×256	_ui	3.2MB	● gauge 92% · 4 keys ↻ reading 46.99 1 gauge · ratio 0.47 · ccw	tflite json	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	tflite json	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	tflite json	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：v1.8 · 最后更新：2026-07-24

硬件约束​

1. 通用目标检测（COCO 80 类）​

2. 人员检测​

3. 姿态估计​

4. 仪表读数检测​

5. 实例分割（COCO 80 类）​

6. 人脸检测​

模型部署​