Cómo funciona la detección de objetos con IA en una app de dashcam

De la imagen de la cámara a los recuadros

Un detector de objetos de la carretera procesa una imagen y predice categorías de objetos compatibles, recuadros delimitadores y valores de confianza. En AyniCam, la IA de cámara funciona en el iPhone. Una etiqueta mostrada es la interpretación del modelo sobre la imagen disponible, no una descripción completa de todo lo que rodea al coche.

Qué puede etiquetar AyniCam

La familia de detectores admite personas, bicicletas, motocicletas, coches, autobuses, semáforos y señales de stop. Un objeto fuera de estas categorías puede pasar desapercibido o recibir una etiqueta incorrecta. Un recuadro de coche no identifica su modelo exacto ni garantiza su orientación delantera o trasera. La confianza no es una probabilidad de colisión ni una distancia medida.

Una cámara implica una geometría limitada

Una ubicación aproximada puede servir para una vista simplificada, pero la cámara no proporciona un levantamiento preciso de la escena. Las oclusiones, el ángulo de la cámara y los cambios de aspecto afectan a la estimación. La vista virtual simplifica las observaciones de la cámara; los mapas 3D añaden calles y edificios a partir de datos cartográficos. Son fuentes de información distintas.

Las máscaras añaden otro tipo de resultado

El modelo de segmentación Pro predice máscaras individuales de objetos y una máscara de la superficie de la carretera en una página específica. Las máscaras permiten ver una forma estimada en lugar de solo un rectángulo. Una máscara de carretera no detecta carriles ni pasos de peatones y no garantiza que un espacio sea transitable.

Cómo evaluar un resultado

Con el vehículo detenido, compara el resultado con la imagen original y anota los objetos omitidos, las etiquetas incorrectas y la inestabilidad. Registra el dispositivo, la escena, el modelo y los ajustes de cada comparación. Los reflejos, la oscuridad, la lluvia y las obstrucciones pueden reducir las observaciones útiles. Las animaciones del selector y las detecciones del simulador son ilustraciones; no demuestran una precisión o latencia medidas ni una ejecución universal en el Neural Engine.