0000

各位亲爱的STM32蝶粉们，大家好！非常感谢大家对于创客秀的关注与支持，蝶粉反馈的问题我们经过认真的内部讨论，通过电话沟通与反馈者达成了共识。现将回复信息公示如下： STM32创客秀是一个STM32新产品的展示平台，希望看到创作者们充分发挥STM32新产品性能实现诸多新兴应用场景的优化解决方案及设计理念，发现嵌入式世界中的创新力量。 本次微信作品投票环节，是面向所有提交作品提供一个展示自身设计的平台，不决定最终决赛成绩。最终决赛成绩将由线下现场答辩决出，参赛作品将接受现场专家的细致专业的评审。届时各位选手会有机会展示自己的作品，并且相互交流切磋。线下决赛的各项事宜正在积极筹划中，具体时间安排将于近期公布。 再次感谢大家对于创客秀的关注与支持，希望各位参赛选手都可以获得心仪的成绩。

既然是比赛，公平很重要，也考验组织者和评委的水平。 反对网络刷票的方式操弄结果。 作品不可以滥竽充数，实在没有好作品，取消比赛，延长时间都不丢人，反而是负责任的表现。

个人考虑的是技术，官方考虑的是利益，，，，，自己想想吧

在利益面前，，没有什么公平可说。。。

过家家罢了，学生玩玩就行了，不要凑热闹

我没有提利益，既然比赛公平第一，利益与我不相关。

学生才是创新主力好吧，小公司反而只会抄或者组装。比赛另说，不要说这种无关痛痒的话题。

表示赞同你大部分的意见。

我们是 “微控制器上的深度学习-人体动作识别”队伍，郑重申明一下，我们的代码和官方demo不一样，并也利用cubi.AI实现了部署和测试，整个代码和项目说明文件这一两天会在论坛里和群里进行开源并发布，欢迎大家交流和测试，参加这个比赛我们主要目的是技术交流，所以主要考虑对技术细节方面的改进，对大家有帮助就好。我们先列出和官方demo的主要不同点，打消贴主的疑虑： 1.训练数据集不一样，我们使用的数据集是usc-had，链接http://sipi.usc.edu/had/，官方的数据集的标签只有六种，本项目的数据集的标签有十二种，所以动作分类更加细化。 2.网络模型不一样，官方只用了加速度计3轴数据，本项目用了加速度和陀螺仪6轴数据。 3.在嵌入式平台上利用cubi.AI实现了部署，具体部署结果截图如下：

我们是 “微控制器上的深度学习-人体动作识别”队伍，我郑重申明一下，我们的代码和官方demo不一样，并也利用cubi.AI实现了部署和测试，整个代码和项目说明文件这一两天会在论坛里和群里进行开源并发布，欢迎大家交流和测试，参加这个比赛我们主要目的是技术交流，所以主要考虑对技术细节方面的改进，对大家有帮助就好。我们先列出和官方demo的主要不同点，打消贴主的疑虑： 1.训练数据集不一样，我们使用的数据集是usc-had，链接http://sipi.usc.edu/had/，官方的数据集的标签只有六种，本项目的数据集的标签有十二种，所以动作分类更加细化。 2.网络模型不一样，官方只用了加速度计3轴数据，本项目用了加速度和陀螺仪6轴数据。 3.在嵌入式平台上利用cubi.AI实现了部署，具体部署结果截图如下：

我们是 “微控制器上的深度学习-人体动作识别”队伍，我郑重申明一下，我们的代码和官方demo不一样，并也利用cubi.AI实现了部署和测试，整个代码和项目说明文件这一两天会在论坛里和群里进行开源并发布，欢迎大家交流和测试，参加这个比赛我们主要目的是技术交流，所以主要考虑对技术细节方面的改进，对大家有帮助就好。我们先列出和官方demo的主要不同点，打消贴主的疑虑： 1.训练数据集不一样，我们使用的数据集是usc-had，链接http://sipi.usc.edu/had/，官方的数据集的标签只有六种，本项目的数据集的标签有十二种，所以动作分类更加细化。 2.网络模型不一样，官方只用了加速度计3轴数据，本项目用了加速度和陀螺仪6轴数据。 3.在嵌入式平台上利用cubi.AI实现了部署，具体部署结果截图如下：

支持帖主，大家都应按规则办事。@STMCU

不是没有规则，是规则不清晰。