01کلاس‌های موجود
مانند person، car، truck، couch، bed و suitcase. خودرو و کامیون مستقل‌اند؛ اگر هر دو لازم است هر دو را انتخاب کنید. bed تشخیص مطمئن تشک تنها را تضمین نمی‌کند. مبل اثبات اسباب‌کشی نیست؛ رنگ لباس و کلاه قابلیت‌های جدا هستند.
اشیا و اطمینان را در قوانین انتخاب کنید. قوانین یک دوربین از تحلیل مشترک استفاده می‌کنند. برچسب‌های جستجو از مشاهداتی می‌آیند که به آستانه شیء در قانون مربوط رسیده‌اند.
02تنظیم آستانه
پیش‌فرض تنظیم جدید ۷۰٪ و بازهٔ ۱۰٪ تا ۹۵٪ است؛ مقادیر قبلی عوض نمی‌شوند. افزایش می‌تواند تشخیص ضعیف و نیز حساسیت را کم کند، کاهش می‌تواند خطا را زیاد کند. ۷۰٪ تضمین دقت ۷۰٪ نیست. کوچکی، تاریکی، پوشیدگی و فشرده‌سازی مؤثرند. نشان‌ها تنظیمات را نشان می‌دهند نه سلامت مدل.
امتیازها مربوط به زمان رویدادند. قوانین فعلی نیاز دارند امتیاز فریم فعال‌سازی و ردیابی اخیر هر دو به آستانه برسند. این امتیازها تضمین دقت نیستند.
03اتصال به قاعده
اشیا و اطمینان را در قوانین انتخاب کنید. قوانین یک دوربین از تحلیل مشترک استفاده می‌کنند. برچسب‌های جستجو از مشاهداتی می‌آیند که به آستانه شیء در قانون مربوط رسیده‌اند.
قابل جستجو بودن یک مشاهده به معنی ایجاد رویداد نیست؛ محدوده، فعالیت، مدت و فاصله اعلان جداگانه بررسی می‌شوند.
04ظرفیت پردازش
قواعد اشیای یک دوربین می‌توانند تشخیص را مشترک استفاده کنند. کاهش تعداد کلاس‌ها هزینهٔ اصلی YOLO را متناسب کم نمی‌کند؛ محدودیت سخت پنج کلاس نداریم. دوربین، FPS و PPE بیشتر بار را افزایش می‌دهند؛ پردازشگر واقعی را ارزیابی کنید.
پرسش‌های متداول
رسم ناحیه الزامی است؟
خیر. قاعدهٔ حضور می‌تواند کل تصویر باشد.
قاعدهٔ جدید گذشته را خودکار تحلیل می‌کند؟
خیر. مدیر باید تحلیل سابقهٔ تصاویر باقی‌مانده را صریحاً آغاز کند؛ هشدار قدیمی ارسال نمی‌شود.