AWS在re:Invent 2020大會上,發布了邊緣電腦視覺服務SDK和專用的設備,而現在相對應的設備AWS Panorama Appliance正式推出,能夠讓用戶部署在本地端,快速且安全地分析攝影機圖像,執行電腦視覺任務。

雖然在雲端,用戶能夠利用大規模儲存和運算資源,方便地訓練電腦視覺模型,但是部分情境,用戶無法或是不想在雲端執行這類工作負載,AWS提到,很多時候需要部署電腦視覺功能的現場,沒有足夠的頻寬,無法將影像送上雲端,或是部分用例需要非常低的延遲,也有不少用戶只想要將圖像保存在本地端。

而AWS Panorama能夠滿足這些需求,讓用戶直接在本地端對攝影機應用電腦視覺技術,以高精度和低延遲在本地端進行預測。透過AWS Panorama Appliance,自動執行過去需要人工檢查的任務,像是評估製造品質、辨識工業流程的瓶頸,甚至是監控工作場所的安全。

即便沒有網際網路連接的環境,也可以使用AWS Panorama Appliance,攝影機製造商利用SDK,可以直接在其IP攝影機加入相關的功能。官方解釋,AWS Panorama Appliance是執行應用程式的硬體,用戶利用AWS Panorama控制臺,或是AWS SDK來註冊設備,更新其軟體並且部署應用程式。

AWS Panorama Appliance能夠探索連接的攝影機串流,將影像轉送到用戶的應用程式,只要在設備連接顯示器,就可以顯示影像輸出。AWS Panorama Appliance是一個邊緣裝置,不會將影像發送到AWS雲端處理,而是在本地端以經過最佳化的硬體運算,這樣的方式可以讓用戶即時分析影像,並在網路連接受限的環境,依然可以執行運算,AWS Panorama Appliance需要連接網路的時機,僅有回報其狀態、上傳日誌紀錄,以及獲得更新等。

AWS Panorama Appliance所執行的應用程式稱為節點,包含了一系列元件,包括攝影機、模型、程式碼和全域變數,AWS Panorama Appliance從S3存取用戶上傳的應用程式節點包。

電腦視覺模型是經過訓練,以處理圖像的機器學習網路,電腦視覺模型可以執行各種任務,像是分類、檢測、分割和追蹤,其接受圖像輸入,並且輸出有關圖像或是圖像中物件的資訊。AWS Panorama支援包括Apache MXNet、Keras、ONNX、PyTorch、TensorFlow和TensorFlow Lite所建構的模型,用戶可以使用Amazon SageMaker建構模型,並且從S3儲存桶匯入。

熱門新聞

Advertisement