得益于硬件技术的发展和AI 相关技术的发展，端侧嵌入式设备和 loT 设备上运行模型On-device AI 从2022 年开始基本可以定义为一个发展元年？非常多的小模型可以离线跑在手机，树莓派甚至嵌入式设备和 loT 设备上运行。
而对于常见的业务场景：人脸识别，目标检测，目前分类，人体姿态检测，手势管理这些在手机移动端App已经成熟，移动端开发工程师在熟悉相关ML 知识后都能做出相应的应用。
运行环境 Android 小米14 ，高通骁龙8 gen3 开发环境 Android Studio + kotlin + java + python + X
App 前期数据训练图片收集与标注清洗等
- 训练环境搭建与升级 11.06
- 训练图收集，处理，清洗规范文档编写 11.06
- 12种场景归类图片数据采集与筛选清洗， 需运营介入 11.07
- 数据标注，检测与格式化转换， 标注需一周人工 11.08
- 模型训练与调优，16G 内存条11月13前要到货 11.13
AI目标检测 App 开发
- 上一轮成果总结与正式项目复用 11.09
- App 架构框架搭建（全部采用最新且稳定） 11.10
- 业务数据封装上报接口初步定时循环调试 后台接口 11.13-14
- 数据报表远程导出验证 后台 11.15
- TensorFlow 模型部署与推理 11.16-11.17
- GPU Delegate 目标检测推理识别 11.20
- 地图定位数据采集与代码编写 11.21- 11.22
- 手机摄像头自定义相机管理和数据封装 11.23-24
- 图片目标检测推理与数据压缩 11.27
- bugly Crash 和 线上运行情况监测 11.28
- 调试版本App 支持动态切换模型以对比数据 11.29
App 路测和循环调试，优化
- 路演与数据收集，各种情况实际Cover 11.30
- 报表数据查看，统计 12.01
- 细节调优以便达到首次上线后整体主流程畅通无物 12.04
- 正式包签名打包，产品测试运营可体验 12.05 - 12.08
