Ultralytics YOLOv5, toolkit de visão computacional baseado em PyTorch para detecção de objetos, segmentação de instâncias e classificação de imagens, com recursos de treinamento e exportação.
58,2 mil17,5 milPythonAGPL-3.0Atualizado anteontem
cosmo-wander-ai/cosmo-edge
Engine de IA de borda em C++ que transforma análises de vídeo e modelos VLM executados no dispositivo em aplicações implantáveis em hardware Sophon, Rockchip RKNN e x86.
- Estrelas
- 1,838
- Forks
- 312
- Issues abertas
- 21
- Último commit
- ontem
O que é?
O CosmoEdge é um engine de IA de borda escrito em C++ para executar análises de vídeo e workloads de modelos visão-linguagem (VLM) em dispositivos de borda. Ele inclui importação de modelos, orquestração visual de pipelines em um console no navegador, regras de alerta, sobreposições OSD e entrega de eventos por REST, WebSocket, MQTT e webhooks HTTP.
Cada build tem como alvo um backend de inferência: BMRT para Sophon BM1688 e CV186X, RKNN com MPP/RGA para Rockchip RK3576 e RV1126B, e ONNX Runtime com FFmpeg em x86 Linux e Windows. Os modelos precisam ser gerados para o chip em que serão executados. O modo x86 executa o mesmo console e fluxo de trabalho sem hardware de borda, mas com menor throughput.
O projeto inclui detecção de vocabulário aberto com GroundingDINO, avaliação de VLM baseada em prompts, acesso a câmeras ONVIF e GB28181, além de um build com Docker para cada plataforma. A versão v1.1.0 inclui relatórios de benchmark publicados para cada chip compatível.
Recursos principais
- 01Composição visual de pipelines e associação de tarefas em um console no navegador.
- 02Detecção, classificação, rastreamento, zonas, contadores, OSD e capturas de alertas.
- 03Avaliação de VLM baseada em prompts e detecção de vocabulário aberto com GroundingDINO.
- 04Entrega de eventos por REST, WebSocket, MQTT e webhooks HTTP.
- 05Acesso a câmeras ONVIF e GB28181.
- 06Builds com Docker para Sophon, Rockchip e x86.
Casos de uso
- Executar análises de vídeo multicanal para detectar riscos de segurança ou invasões em dispositivos de borda.
- Adicionar verificações visuais orientadas por prompts que enviam alertas a um sistema existente por MQTT ou webhooks.
- Prototipar um fluxo de trabalho de IA para vídeo em x86 antes de implantá-lo em hardware Sophon ou Rockchip.
Início rápido
- 1
Clone o repositório
git clone https://github.com/cosmo-wander-ai/cosmo-edge.git - 2
Acesse o diretório do projeto
cd cosmo-edge - 3
Inicie a versão x86 do Linux com Docker Compose
sudo docker compose -f docker-compose.x86.yml up -d --build - 4
Abra o console web em localhost:8080
Antes de usar
- Implantações com Edge NPU exigem hardware específico (Sophon, Rockchip); o modo x86 tem menor taxa de transferência.
- O suporte ao macOS com Apple Silicon está disponível apenas como Preview, usando emulação amd64 para um único fluxo de trabalho de vídeo local.
- As alterações atuais da branch main não estão incluídas nos pacotes estáveis v1.1.0.
Tópicos
Perguntas frequentes
- O que é cosmo-edge?
- Engine de IA de borda em C++ que transforma análises de vídeo e modelos VLM executados no dispositivo em aplicações implantáveis em hardware Sophon, Rockchip RKNN e x86. O CosmoEdge é um engine de IA de borda escrito em C++ para executar análises de vídeo e workloads de modelos visão-linguagem (VLM) em dispositivos de borda. Ele inclui importação de modelos, orquestração visual de pipelines em um console no navegador, regras de alerta, sobreposições OSD e entrega de eventos por REST, WebSocket, MQTT e webhooks HTTP.
- cosmo-edge é gratuito? Qual é a licença?
- cosmo-edge é open source sob a licença Apache-2.0. Confira os termos da licença antes de usá-lo em produtos comerciais.
- cosmo-edge ainda é mantido?
- Manutenção ativa. O último commit de cosmo-edge foi em 19 de out. de 2026.
- Para que posso usar cosmo-edge?
- Executar análises de vídeo multicanal para detectar riscos de segurança ou invasões em dispositivos de borda. Adicionar verificações visuais orientadas por prompts que enviam alertas a um sistema existente por MQTT ou webhooks. Prototipar um fluxo de trabalho de IA para vídeo em x86 antes de implantá-lo em hardware Sophon ou Rockchip.
- Como instalar cosmo-edge?
- Clone o repositório: git clone https://github.com/cosmo-wander-ai/cosmo-edge.git Acesse o diretório do projeto: cd cosmo-edge Inicie a versão x86 do Linux com Docker Compose: sudo docker compose -f docker-compose.x86.yml up -d --build Abra o console web em localhost:8080
- Onde consigo cosmo-edge?
- O código-fonte e as instruções de instalação estão no GitHub: https://github.com/cosmo-wander-ai/cosmo-edge
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Projetos relacionados
Um pequeno modelo fundacional executado no dispositivo para chamadas de ferramentas, extração estruturada, embeddings e transcrição de fala em celulares, wearables, robôs e microcontroladores.
14,1 mil1,1 milPythonApache-2.0Atualizado anteontem
Toolkit de código aberto para otimizar e implantar modelos de deep learning para inferência em CPUs, GPUs e NPUs Intel.
11 mil3,5 milC++Apache-2.0Atualizado há 6 horas
Aplicativo desktop multiplataforma para anotação assistida por IA de dados de texto, imagem, vídeo, nuvem de pontos e multimodais, com modelos integrados e exportação em vários formatos.
IA e Machine Learning#image-annotation#computer-vision#deep-learning#object-detection#instance-segmentation
10,7 mil1,2 milPythonGPL-3.0Atualizado anteontem
Stack de inferência on-device do PyTorch para executar modelos exportados em celulares, laptops, navegadores e microcontroladores.
5,1 mil1,2 milPythonOtherAtualizado há 5 horas
Framework de análise de vídeo em C++ que encadeia leitura de streams, inferência de modelos, rastreamento e saída em nós de pipeline plugáveis.
3 mil470C++Apache-2.0Atualizado há 8 meses