模型
Frigate+ 提供基于Frigate+用户从安防摄像头提交的图像训练的模型,这些模型专门为Frigate分析视频的方式设计。这些模型能以更少资源提供更高准确性。您上传的图像用于微调一个基于所有Frigate+用户上传图像训练的基础模型,最终得到一个针对您特定环境优化的高精度模型。
订阅后基础模型不会直接可用。未来可能会改变,但目前您需要提交包含最低数量图像的模型请求。
订阅包含每年12次模型训练。取消订阅后,您仍可保留已训练模型的使用权。提交模型请求或购买额外训练需要有效订阅。
集成Frigate+的方法请参阅集成文档。
可用模型类型
Frigate+提供两种模型类型:mobiledet
和yolonas
。两者都是目标检测模型,能检测下方列出的相同标签。
不是所有检测器都支持所有模型类型,请根据支持的检测器类型表格选择匹配您检测器的模型。
模型类型 | 描述 |
---|---|
mobiledet | 基于与Frigate默认模型相同的架构。可在Google Coral设备和CPU上运行。 |
yolonas | 新架构,精度略高且对小目标检测有改进。支持Intel、NVIDIA GPU和AMD GPU。 |
支持的检测器类型
目前Frigate+模型支持CPU(cpu
)、Google Coral(edgetpu
)、OpenVino(openvino
)和ONNX(onnx
)检测器。
Frigate+模型与onnx
检测器的配合使用仅限Frigate 0.15及以上版本。
硬件 | 推荐检测器类型 | 推荐模型类型 |
---|---|---|
CPU | cpu | mobiledet |
Coral(所有形态) | edgetpu | mobiledet |
Intel | openvino | yolonas |
NVIDIA GPU* | onnx | yolonas |
AMD ROCm GPU* | onnx | yolonas |
* 需要Frigate 0.15版本
可用标签类型
Frigate+模型支持更适合安防摄像头的对象集。当前支持以下对象:
- 人物:
person
、face
- 车辆:
car
、motorcycle
、bicycle
、boat
、license_plate
- 快递标识:
amazon
、usps
、ups
、fedex
、dhl
、an_post
、purolator
、postnl
、nzpost
、postnord
、gls
、dpd
- 动物:
dog
、cat
、deer
、horse
、bird
、raccoon
、fox
、bear
、cow
、squirrel
、goat
、rabbit
- 其他:
package
、waste_bin
、bbq_grill
、robot_lawnmower
、umbrella
Frigate默认模型中的其他对象类型暂不支持。未来版本将增加更多对象类型。
标签属性
使用Frigate+模型时,某些标签有特殊处理方式。face
、license_plate
及快递标识如amazon
、ups
和fedex
被视为属性标签,不会像常规对象那样被追踪,也不会直接生成核查项。此外,threshold
过滤器对这些标签无效,您需要根据需要调整min_score
和其他过滤值。
要启用这些属性标签,需将其添加到追踪对象列表:
objects:
track:
- person
- face
- license_plate
- dog
- cat
- car
- amazon
- fedex
- ups
- package
使用Frigate+模型时,系统会为人物对象选择面部最清晰的快照,为车辆选择车牌最清晰的快照。这有助于面部识别和车牌识别等二次处理。
快递标识如amazon
、ups
和fedex
用于自动为车辆对象分配子标签。