3. AI / ML / NN¶

OAK Camera 可以 运行任何 AI 模型, 甚至是自定义架构/构建的模型。您甚至可以同时运行多个 AI 模型，并行或串行(此处为演示)。

要在设备上运行自定义 AI 模型，您需要 将其转换 成 .blob 格式 - 文档在此处.

您还可以选择使用来自 OpenVINO Model Zoo 或 DepthAI Model Zoo 的 250多个预训练AI模型之一 , 请参阅使用预训练的 OpenVINO 模型了解更多信息。

3.4. 模型性能¶

您可以借助下表估计模型的性能。它包含依赖于 FLOP 和参数的 OAK 设备上模型的 FPS 估计。

您可以在此表中找到更详细的通用模型 FPS评估。

我们为许多不同的AI视觉任务提供开源示例和演示，例如：

Object detection 模型提供所有检测到的对象的边界框、置信度和标签。示例: MobileNet, Yolo, EfficientDet, Palm detection.
Landmark detection 模型提供对象的特征/关键点。示例: Human pose, hand landmarks, and facial landmarks.
Semantic segmentation 模型为每个像素提供标签/类别。示例: Person segmentation, multiclass segmentation, road segmentation.
Classification 模型提供分类标签和对该标签的置信度。示例: EfficientNet, Tensorflow classification, fire classification, emotions classification.
Recognition 模型提供可用于识别或识别特征本身的字节数组。示例: Face recognition, person identification, OCR, license plate recognition.