Unterstützte Computer Vision-Modelle und -Kameras - AWS Panorama

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Unterstützte Computer Vision-Modelle und -Kameras

AWSPanorama unterstützt Modelle PyTorch, die mit Apache MXNet und erstellt wurden TensorFlow. Wenn Sie eine Anwendung bereitstellen, kompiliert AWS Panorama Ihr Modell in SageMaker Neo. Sie können Modelle in Amazon SageMaker oder in Ihrer Entwicklungsumgebung erstellen, sofern Sie Ebenen verwenden, die mit SageMaker Neo kompatibel sind.

Um Videos zu verarbeiten und Bilder zum Senden an ein Modell abzurufen, stellt die AWS Panorama Appliance über das Protokoll eine Verbindung zu einem H.264-codierten Videostream her. RTSP AWSPanorama testet eine Vielzahl gängiger Kameras auf Kompatibilität.

Unterstützte Modelle

Wenn Sie eine Anwendung für AWS Panorama erstellen, stellen Sie ein Modell für maschinelles Lernen bereit, das die Anwendung für Computer Vision verwendet. Sie können vorgefertigte und vorab trainierte Modelle verwenden, die von Modell-Frameworks bereitgestellt werden, ein Beispielmodell oder ein Modell, das Sie selbst erstellen und trainieren.

Anmerkung

AWSPanorama-Version 8.0.29 beendet die Unterstützung für Sagemaker Neo-Modelle. Weitere Informationen Verwenden von AWS Panorama nach Update 8.0.29 zum Umgang mit Ihren Anwendungen nach dem Update finden Sie unter.

Anmerkung

Eine Liste der vorgefertigten Modelle, die mit AWS Panorama getestet wurden, finden Sie unter Modellkompatibilität.

Wenn Sie eine Anwendung bereitstellen, verwendet AWS Panorama den SageMaker Neo-Compiler, um Ihr Computer-Vision-Modell zu kompilieren. SageMakerNeo ist ein Compiler, der Modelle so optimiert, dass sie effizient auf einer Zielplattform ausgeführt werden. Dabei kann es sich um eine Instanz in Amazon Elastic Compute Cloud (AmazonEC2) oder um ein Edge-Gerät wie die AWS Panorama Appliance handeln.

AWSPanorama unterstützt die Versionen von PyTorch Apache MXNet und TensorFlow die von SageMaker Neo für Edge-Geräte unterstützt werden. Wenn Sie Ihr eigenes Modell erstellen, können Sie die in den SageMaker Neo-Versionshinweisen aufgeführten Framework-Versionen verwenden. SageMakerIn können Sie den integrierten Algorithmus zur Bildklassifizierung verwenden.

Weitere Informationen zur Verwendung von Modellen in AWS Panorama finden Sie unterComputer Vision-Modelle.

Unterstützte Kameras

Die AWS Panorama Appliance unterstützt H.264-Videostreams von Kameras, die RTSP über ein lokales Netzwerk ausgegeben werden. Bei Kamerastreams mit mehr als 2 Megapixeln verkleinert die Appliance das Bild auf 1920x1080 Pixel oder eine entsprechende Größe, bei der das Seitenverhältnis des Streams erhalten bleibt.

Die folgenden Kameramodelle wurden auf Kompatibilität mit der AWS Panorama Appliance getestet:

  • Achse — M3057-PLVE, M3058-, P1448-LEPLVE, P3225-LV Mk II

  • LaViewPB3— LV-400 W

  • Vivotek — 0-H IB936

  • Amcrest — -841 B IP2M

  • Ampviz — -B850W-S-3X, D-250W-S IPC IPC

  • WGCC— Dome PoE 4 MP ONVIF

Die Hardwarespezifikationen der Appliance finden Sie unterSpezifikationen zu AWS Panorama Appliances.