01उपलब्ध वर्ग
जैसे person, car, truck, couch, bed, suitcase। car और truck अलग वर्ग हैं, दोनों चाहिए तो दोनों चुनें। bed अकेले गद्दे की विश्वसनीय पहचान की गारंटी नहीं। सोफा घर बदलने का प्रमाण नहीं; कपड़ों का रंग और हेलमेट अलग क्षमताएँ हैं।
नियमों में वस्तुएँ और विश्वास स्तर चुनें। एक कैमरे के नियम साझा विश्लेषण करते हैं। खोज टैग उन अवलोकनों से बनते हैं जो संबंधित नियम की वस्तु-सीमा पूरी करते हैं।
02विश्वास सीमा
नया मान 70%, स्वीकार्य सीमा 10%–95% है; पुराने मान नहीं बदलते। बढ़ाने से कमजोर पहचान कम पर छूटी वस्तुएँ अधिक हो सकती हैं; घटाने से गलत अलर्ट बढ़ सकते हैं। 70% सटीकता की गारंटी नहीं। छोटा आकार, अँधेरा, अवरोध और संपीड़न असर डालते हैं। बैज सेटिंग दिखाता है, मॉडल की वर्तमान सेहत नहीं।
अंक इवेंट के समय के हैं। वर्तमान नियमों में ट्रिगर फ़्रेम और हाल के ट्रैकिंग अंक दोनों सीमा पार करें। ये सटीकता की गारंटी नहीं हैं।
03नियम से जोड़ें
नियमों में वस्तुएँ और विश्वास स्तर चुनें। एक कैमरे के नियम साझा विश्लेषण करते हैं। खोज टैग उन अवलोकनों से बनते हैं जो संबंधित नियम की वस्तु-सीमा पूरी करते हैं।
खोज योग्य अवलोकन का अर्थ घटना होना नहीं है; क्षेत्र, गतिविधि, अवधि और सूचना अंतराल अलग-अलग जाँचे जाते हैं।
04गणना क्षमता
एक कैमरे के कई वस्तु नियम पहचान साझा कर सकते हैं। वर्ग घटाने से मुख्य YOLO गणना समान अनुपात में नहीं घटती, इसलिए पाँच वर्गों की कठोर सीमा नहीं है। अधिक कैमरे, FPS और PPE भार बढ़ाते हैं; वास्तविक प्रोसेसर क्षमता जाँचें।
आम सवाल
क्या क्षेत्र बनाना जरूरी है?
नहीं, उपस्थिति नियम पूरा दृश्य उपयोग कर सकता है।
नया नियम पुरानी छवियाँ स्वतः जाँचेगा?
नहीं। व्यवस्थापक को बची हुई छवियों पर इतिहास विश्लेषण स्पष्ट रूप से शुरू करना होगा। पुराने अलर्ट नहीं भेजे जाते।