AI 功能

Luxonis 设备在设备上完全运行神经网络，用于分类、检测、分割和自定义视觉任务——保持低延迟和数据隐私，同时为主机腾出逻辑控制空间。在 RVC2 和 RVC4 上，您可以使用 NeuralNetwork 和 DetectionNetwork 运行网络，以 NNArchive 或 blob 格式部署模型，并从 Model Zoo、自定义训练或集成中获取模型。配备 RVC2 的 OAK 相机可提供高效的设备端推理，并为常见的检测、分割和分类管道提供平衡的性能。配备 RVC4 的 OAK4 设备增加了更多的 TOPS、更快的预处理以及原生的 superblob/NNArchive 支持，从而能够运行更复杂的骨干网络（例如 YOLO-E、DepthAnythingV2 等）、在单个设备上运行多模型管道以及实现 NeuralDepth。

AI 构建块

使用 NeuralNetwork 和硬件加速的 DetectionNetwork/SpatialDetectionNetwork 运行通用网络。
从 Model Zoo、自定义训练或集成中获取模型；使用模型转换进行转换。
使用 NNArchive 打包一次；使用基准测试衡量性能。

典型用例

对象检测与跟踪：通过 DetectionNetwork 在 RGB 上运行 YOLO，并将 ID 输入 ObjectTracker 以实现持久跟踪（可选空间感知深度）。
姿势/关键点与叠加：使用 ParsingNeuralNetwork，它会自动解析标准消息类型中的输出。
分割与融合：运行像素级模型，然后与深度或空间感知融合，以测量体积、占用空间或可用空间。

使用 App Store 进行无代码快速入门

数据收集应用

设备端开放词汇检测（通过 DepthAI 的 YOLOE）可自动收集快照，并允许 UI 选择标签、设置置信度并启用快照条件。

打开数据收集应用

指南和示例

Generic NN Example

Run any neural model on OAK camera

Detection Network

Run Model Zoo YOLO on RGB

Detection remap

Align detections between streams

Detection replay

Track detections on recorded video

Model Zoo example

Download and unpack HubAI models in-pipeline

AI Inference Docs

需要帮助？

请前往 Discussion Forum 获取技术支持或提出您可能有的任何其他问题。

本页目录

AI 功能View as Markdown