MLPerf Tiny Anomaly Detection
Эталонный автоэнкодер для поиска аномалий в звуке машин: учится только на записях исправного узла и отмечает отклонения. Система не ставит диагноз, а даёт повод проверить узел раньше, чем он встанет.
- Разработчик
- MLCommons, США
- Первый выпуск
- июн 2021
- Последний выпуск
- авг 2026
- Размеры
- крошечный полносвязный автоэнкодер, рассчитанный на микроконтроллеры
- Лицензия
- Можно в коммерциюApache 2.0 у эталонной реализации MLCommons; сборки ONNX и TFLite на Hugging Face — MIT
- Готовые сборки
- 8 бит
- Запуск
- Через свой серверРаботает и без видеокарты
- Сферы
- Производство и склад, Разработка ПО, Наука, Безопасность
Какие задачи решает
- Слежение за звуком станка, насоса или конвейера
- Отметка отклонений от привычного шума узла
- Обучение на своих записях исправного оборудования
- Работа прямо на плате рядом с оборудованием
Где применяется
Требования к железу
Версии
- Сборки ONNX и TFLite, в том числе INT8
- Эталонный автоэнкодер в наборе MLPerf Tiny
Как запустить
Ставлю и настраиваю под ключ: подберу размер модели, разверну на вашем сервере, подключу к вашим системам. Квантование — сжатие модели: она занимает меньше видеопамяти и работает на более скромном железе. Отвечает при этом чуть иначе, поэтому качество проверяют на своих примерах.
Частые вопросы
Можно ли использовать MLPerf Tiny Anomaly Detection в коммерческом проекте?
Да. Лицензия: Apache 2.0 у эталонной реализации MLCommons; сборки ONNX и TFLite на Hugging Face — MIT. Это разрешает коммерческое использование, но перед запуском лицензию всё равно стоит показать юристу.
Какое железо нужно для MLPerf Tiny Anomaly Detection?
Минимум: Ноутбук или обычный ПК, до 8 ГБ видеопамяти — младшие версии. Есть версии, которые работают и без видеокарты, на обычном процессоре. Точный объём видеопамяти под ваш размер модели и контекст можно посчитать в калькуляторе железа.
Поддерживает ли MLPerf Tiny Anomaly Detection русский язык?
Для этой модели язык не важен: она работает не с текстом.
Где скачать MLPerf Tiny Anomaly Detection и сколько это стоит?
Веса MLPerf Tiny Anomaly Detection лежат в открытом доступе и скачиваются бесплатно. Платить нужно только за железо, на котором модель работает, и за настройку. Ссылки на первоисточник — в конце страницы.
Как внедряю у заказчика
- ПодборВыбираю размер модели под задачу и ваше железо, проверяю на ваших примерах.
- УстановкаРазворачиваю на вашем сервере или в закрытом контуре, отдаю API.
- ДообучениеДообучаю на ваших данных (LoRA) или подключаю базу знаний — что дешевле для задачи.
- ВстраиваниеПодключаю к CRM, 1С, боту, сайту или рабочему чату, настраиваю мониторинг.
Похожие модели
Компактные модели разметки звука: от 5,5M до 86M, есть сборки ONNX и INT8, работают на обычном процессоре и на плате рядом с оборудованием. Система не ставит диагноз, а даёт повод проверить узел раньше, чем он встанет.
ПодробнееДиагностика по звукуPANNsUniversity of Surrey · ВеликобританияМожно в коммерциюКлассический набор свёрточных сетей для разметки звука по 527 категориям AudioSet: от шума механизма и сигнализации до разбитого стекла и крика. Система не ставит диагноз, а даёт повод проверить узел раньше, чем он встанет. Микрофон может записать и голоса людей — это персональные данные, порядок согласуйте с юристом.
ПодробнееДиагностика по звукуDashengXiaomi · КитайМожно в коммерциюУниверсальный кодировщик звука, обученный на 272 тысячах часов записей речи, музыки и шумов: даёт признаки, поверх которых учат свой классификатор нештатных звуков. Система не ставит диагноз, а даёт повод проверить узел раньше, чем он встанет.
ПодробнееИсточник: huggingface.co/ketiswp/mlcommons-Deep-Autoencoder-DCASE2020-ToyCar-fp3. Данные сверены с карточкой модели 22.09.2026. Лицензию перед коммерческим запуском проверьте с юристом.