Hvordan AI-objektdetektion fungerer i en Dashcam-app

Fra kamerabillede til registreringsrammer

En vejobjektdetektor behandler et billede og forudsiger understøttede objektklasser, afgrænsningsfelter og konfidensværdier. I AyniCam kører kameraets AI på iPhone. En vist etiket er modellens fortolkning af det tilgængelige billede, ikke en fuldstændig redegørelse for alt omkring bilen.

Det kan AyniCam kategorisere

Registreringsmodellerne understøtter mennesker, cykler, motorcykler, biler, busser, trafiklys og stopskilte. Et objekt uden for disse kategorier kan overses eller få en forkert etiket. En ramme omkring en bil identificerer ikke dens præcise model og garanterer ikke dens for- og bagudvendte orientering. Konfidens er ikke en kollisionssandsynlighed eller en målt afstand.

Et kamera betyder begrænset geometri

Omtrentlig placering kan understøtte en forenklet visning, men kameraet leverer ikke en opmålt scene. Skjulte objekter, kameravinkel og ændret udseende påvirker estimatet. Virtuel visning forenkler kameraobservationer; 3D-kort tilføjer veje og bygninger fra kortdata. Det er forskellige informationskilder.

Masker tilføjer et andet output

Pro-segmenteringsmodellen forudsiger individuelle objektmasker og en vejoverflademaske på en separat side. Masker hjælper med at vise en anslået form frem for kun et rektangel. En vejmaske er ikke vognbaneregistrering, genkendelse af fodgængerfelter eller en garanti for plads til at køre.

Sådan vurderer man et resultat

Sammenlign outputtet med kildebilledet, mens du er stationært, og bemærk mistede objekter, forkerte etiketter og ustabilitet. Hold enhed, scene, model og indstillinger registreret for enhver sammenligning. Blænding, mørke, regn og okklusion kan reducere nyttige observationer. Picker-animationer og simulatordetekteringer er illustrationer; ingen målt nøjagtighed, latens eller universel Neural Engine-udførelse er etableret af dem.