Ultralytics YOLOv5 es un kit de herramientas de visión artificial basado en PyTorch para detectar objetos, segmentar instancias y clasificar imágenes, con funciones de entrenamiento y exportación.
58,2 mil17,5 milPythonAGPL-3.0Actualizado anteayer
cosmo-wander-ai/cosmo-edge
Motor de IA en el edge escrito en C++ que convierte el análisis de video y los modelos VLM en el dispositivo en aplicaciones desplegables en hardware Sophon, Rockchip RKNN y x86.
- Estrellas
- 1,838
- Forks
- 312
- Issues abiertos
- 21
- Último commit
- ayer
¿Qué es?
CosmoEdge es un motor de IA en el edge escrito en C++ para ejecutar análisis de video y cargas de trabajo de modelos de visión y lenguaje (VLM) en dispositivos edge. Incluye importación de modelos, orquestación visual de pipelines desde una consola web, reglas de alerta, superposiciones OSD y envío de eventos mediante REST, WebSocket, MQTT y webhooks HTTP.
Cada compilación está dirigida a un backend de inferencia: BMRT para Sophon BM1688 y CV186X, RKNN con MPP/RGA para Rockchip RK3576 y RV1126B, y ONNX Runtime con FFmpeg en x86 con Linux y Windows. Los modelos deben generarse para el chip en el que se ejecutarán. El modo x86 permite usar la misma consola y el mismo flujo de trabajo sin hardware edge, aunque con un rendimiento menor.
El proyecto incluye detección de vocabulario abierto con GroundingDINO, evaluación de VLM basada en prompts, acceso a cámaras mediante ONVIF y GB28181, y una compilación basada en Docker para cada plataforma. La versión v1.1.0 incluye informes de benchmarks publicados para cada chip compatible.
Funciones clave
- 01Composición visual de pipelines y asignación de tareas desde una consola web.
- 02Detección, clasificación, seguimiento, zonas, contadores, OSD y capturas de alertas.
- 03Evaluación de VLM basada en prompts y detección de vocabulario abierto con GroundingDINO.
- 04Envío de eventos mediante REST, WebSocket, MQTT y webhooks HTTP.
- 05Acceso a cámaras mediante ONVIF y GB28181.
- 06Opciones de compilación basadas en Docker para Sophon, Rockchip y x86.
Casos de uso
- Ejecutar análisis de video multicanal para detectar riesgos de seguridad o intrusiones en equipos edge.
- Añadir verificaciones visuales basadas en prompts que envíen alertas a un sistema existente mediante MQTT o webhooks.
- Crear prototipos de flujos de trabajo de IA de video en x86 antes de desplegarlos en hardware Sophon o Rockchip.
Inicio rápido
- 1
Clona el repositorio
git clone https://github.com/cosmo-wander-ai/cosmo-edge.git - 2
Entra en el directorio del proyecto
cd cosmo-edge - 3
Inicia la versión x86 de Linux con Docker Compose
sudo docker compose -f docker-compose.x86.yml up -d --build - 4
Abre la consola web en localhost:8080
Antes de usarlo
- Las implementaciones de Edge NPU requieren hardware específico (Sophon, Rockchip); el modo x86 ofrece un menor rendimiento.
- La compatibilidad con macOS en Apple Silicon es solo una Preview que usa emulación amd64 para un único flujo de trabajo de vídeo local.
- Los cambios actuales de la rama main no están incluidos en los paquetes estables v1.1.0.
Temas
Preguntas frecuentes
- ¿Qué es cosmo-edge?
- Motor de IA en el edge escrito en C++ que convierte el análisis de video y los modelos VLM en el dispositivo en aplicaciones desplegables en hardware Sophon, Rockchip RKNN y x86. CosmoEdge es un motor de IA en el edge escrito en C++ para ejecutar análisis de video y cargas de trabajo de modelos de visión y lenguaje (VLM) en dispositivos edge. Incluye importación de modelos, orquestación visual de pipelines desde una consola web, reglas de alerta, superposiciones OSD y envío de eventos mediante REST, WebSocket, MQTT y webhooks HTTP.
- ¿cosmo-edge es gratuito? ¿Qué licencia tiene?
- cosmo-edge es open source bajo la licencia Apache-2.0. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿cosmo-edge sigue mantenido?
- Mantenimiento activo. El último commit de cosmo-edge fue el 19 oct 2026.
- ¿Para qué puedo usar cosmo-edge?
- Ejecutar análisis de video multicanal para detectar riesgos de seguridad o intrusiones en equipos edge. Añadir verificaciones visuales basadas en prompts que envíen alertas a un sistema existente mediante MQTT o webhooks. Crear prototipos de flujos de trabajo de IA de video en x86 antes de desplegarlos en hardware Sophon o Rockchip.
- ¿Cómo se instala cosmo-edge?
- Clona el repositorio: git clone https://github.com/cosmo-wander-ai/cosmo-edge.git Entra en el directorio del proyecto: cd cosmo-edge Inicia la versión x86 de Linux con Docker Compose: sudo docker compose -f docker-compose.x86.yml up -d --build Abre la consola web en localhost:8080
- ¿Dónde consigo cosmo-edge?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/cosmo-wander-ai/cosmo-edge
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Un pequeño modelo fundacional que se ejecuta en el dispositivo para invocar herramientas, extraer datos estructurados, generar embeddings y transcribir voz en teléfonos, wearables, robots y microcontroladores.
14,1 mil1,1 milPythonApache-2.0Actualizado anteayer
Toolkit de código abierto para optimizar e implementar modelos de deep learning para inferencia en CPU, GPU y NPU de Intel.
11 mil3,5 milC++Apache-2.0Actualizado hace 6 horas
Aplicación de escritorio multiplataforma para etiquetar con ayuda de IA datos de texto, imágenes, video, nubes de puntos y datos multimodales, con modelos integrados y exportación a varios formatos.
IA y Machine Learning#image-annotation#computer-vision#deep-learning#object-detection#instance-segmentation
10,7 mil1,2 milPythonGPL-3.0Actualizado anteayer
Stack de inferencia en el dispositivo de PyTorch para ejecutar modelos exportados en teléfonos, laptops, navegadores y microcontroladores.
5,1 mil1,2 milPythonOtherActualizado hace 5 horas
Framework de análisis de video en C++ que conecta nodos intercambiables para leer streams, ejecutar inferencias de modelos, hacer seguimiento y generar resultados.
3 mil470C++Apache-2.0Actualizado hace 8 meses