mirror of
https://github.com/blakeblackshear/frigate.git
synced 2026-05-04 04:27:42 +03:00
88 lines
4.7 KiB
Markdown
88 lines
4.7 KiB
Markdown
|
---
|
|||
|
|
id: index
|
|||
|
|
title: 模型
|
|||
|
|
---
|
|||
|
|
|
|||
|
|
<a href="https://frigate.video/plus" target="_blank" rel="nofollow">Frigate+</a> 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。
|
|||
|
|
|
|||
|
|
:::info
|
|||
|
|
|
|||
|
|
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](../integrations/plus.md)。
|
|||
|
|
|
|||
|
|
## 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](#可用标签类型)。
|
|||
|
|
|
|||
|
|
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](#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。
|
|||
|
|
|
|||
|
|
:::warning
|
|||
|
|
|
|||
|
|
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](/configuration/object_detectors.md#cpu检测器不推荐使用) | `cpu` | `mobiledet` |
|
|||
|
|
| [Coral(所有形态)](/configuration/object_detectors.md#edge-tpu检测器) | `edgetpu` | `mobiledet` |
|
|||
|
|
| [Intel](/configuration/object_detectors.md#openvino检测器) | `openvino` | `yolonas` |
|
|||
|
|
| [NVIDIA GPU](https://deploy-preview-13787--frigate-docs.netlify.app/configuration/object_detectors#onnx)\* | `onnx` | `yolonas` |
|
|||
|
|
| [AMD ROCm GPU](https://deploy-preview-13787--frigate-docs.netlify.app/configuration/object_detectors#amdrocm-gpu检测器)\* | `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：
|
|||
|
|
|
|||
|
|
```yaml
|
|||
|
|
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。
|
|||
|
|
|
|||
|
|
|