# LiteRT 用例 Source: [https://docs.qualcomm.com/doc/80-70017-50SC/topic/tensorflow-lite-use-cases.html](https://docs.qualcomm.com/doc/80-70017-50SC/topic/tensorflow-lite-use-cases.html) LiteRT 是一套可帮助开发者在移动、嵌入式和 Edge 设备上运行模型，从而实现设备端机器学习的工具。借助 LiteRT 用例，可以运行图像分类、目标检测、图像分割和姿态估计的用例。 在运行用例之前，请完成[GStreamer 命令行用例](https://docs.qualcomm.com/doc/80-70017-50SC/topic/gstreamer-application-use-cases.html)中提到的先决条件。 - **[使用 LiteRT 进行图像分类和显示](https://docs.qualcomm.com/doc/80-70017-50SC/topic/single-camera-stream-with-image-classification-and-display.html)** 这些用例使用 Inceptionv3 LiteRT 模型对单个摄像头流中的场景进行分类，并叠加或合成分类标签。 - **[使用 LiteRT 进行图像分类和编码](https://docs.qualcomm.com/doc/80-70017-50SC/topic/single-camera-stream-with-image-classification-and-encode.html)** 这些用例使用 InceptionV3 LiteRT 模型对单个摄像头流中的场景进行分类，并覆盖或组合分类标签，然后对流进行编码。 - **[使用 LiteRT 进行目标检测和显示](https://docs.qualcomm.com/doc/80-70017-50SC/topic/single-camera-stream-with-object-detection-and-display.html)** 这些用例使用 YOLOv5 LiteRT 模型来识别场景中的目标对象，并在检测到的目标对象上叠加或合成边框，接着显示结果。 - **[使用 LiteRT 进行目标检测和编码](https://docs.qualcomm.com/doc/80-70017-50SC/topic/single-camera-stream-with-object-detection-and-encode.html)** 这些用例使用 YOLOv5 LiteRT 模型来识别场景中的对象，并在检测到的目标对象上叠加或合成边框，接着将此数据流编码为 H.264 码流。 - **[使用 LiteRT 进行图像分割和显示](https://docs.qualcomm.com/doc/80-70017-50SC/topic/single-camera-stream-with-image-segmentation-and-display.html)** 用例使用 `deeplabv3_resnet50` LiteRT 模型从摄像头流中识别场景中的语义分段，使用 qtivcomposer 组成语义和原始视频流，然后显示结果。 - **[使用 LiteRT 进行图像分割和编码](https://docs.qualcomm.com/doc/80-70017-50SC/topic/single-camera-stream-with-image-segmentation-and-encode.html)** 该用例使用 `deeplabv3_resnet50` LiteRT 模型来组合语义分割和原始视频流，对该视频流进行编码，然后将其复用到一个 MP4 容器中。 - **[使用 LiteRT 进行姿态估计和显示](https://docs.qualcomm.com/doc/80-70017-50SC/topic/single-camera-stream-with-pose-estimation-and-display.html)** 这些用例使用 PoseNet LiteRT 模型通过姿态估计来处理单个摄像头流。 - **[使用 LiteRT 进行姿态估计和编码](https://docs.qualcomm.com/doc/80-70017-50SC/topic/single-camera-stream-with-pose-estimation-and-encode.html)** 这些用例使用 PoseNet LiteRT 模型通过姿态估计来处理单个摄像头流，并将该流编码为 H.264码流。 - **[使用 LiteRT 进行视频超分辨率和显示](https://docs.qualcomm.com/doc/80-70017-50SC/topic/video-super-resolution-and-display-with-litert.html)** AI Hub 量化 INT8 型号支持视频超分辨率 (VSR)，输入分辨率为 128 × 128，输出分辨率为 512 × 512。 - **[从摄像头到 RTSP 的单流，带 ML 检测](https://docs.qualcomm.com/doc/80-70017-50SC/topic/single-stream-from-camera-to-rtsp-with-ml-detection.html)** 在媒体播放器（例如 VLC）上通过 RTSP 播放来自摄像头的流。 **上一级主题：** [机器学习用例](https://docs.qualcomm.com/doc/80-70017-50SC/topic/machine-learning-use-cases.html) **相关概念** - [Qualcomm GStreamer 插件](https://docs.qualcomm.com/doc/80-70017-50SC/topic/qim-sdk-plugins.html) **相关信息** - [https://ai.google.dev/edge/litert](https://ai.google.dev/edge/litert) Last Published: Nov 11, 2025 [Previous Topic 机器学习用例](https://docs.qualcomm.com/bundle/publicresource/80-70017-50SC/topics/machine-learning-use-cases.md) [Next Topic 使用 LiteRT 进行图像分类和显示](https://docs.qualcomm.com/bundle/publicresource/80-70017-50SC/topics/single-camera-stream-with-image-classification-and-display.md)