【版本发布】OpenNCC百度定制版VCAM发布

近期,由百度美国研究院和EyeCloud共同研发的开源AI摄像头VCAM正式上线GitHub, 感兴趣的朋友们可以在GitHub搜索hydra-vcam,也可以点击这里前往项目GitHub页面进行下载。

 

VCAM基于EyeCloud的OpenNCC开发,是百度Hydra AI项目的一款原型摄像头。其功能特点如下:

 

  • 即插即用:将USB-C数据接口插入计算机即可开始开发创建自己的多功能AI摄像头。

  • 标准模型:VCAM具有集成VPU芯片的优势,与百度Paddle和英特尔OpenVINO兼容。

  • 多框架:VCAM支持Paddle、Caffe、ONNX、TensorFlow、MXNet等深度学习框架,便于用户友好地开发和使用。

  • 高质量输出:VCAM已经过出厂视频调试,支持1920x1080或4K分辨率画质,支持YUV420、H.264、H265、MJPEG等视频格式输出。

  • 二次开发:VCAM提供专用SDK开发工具包和相关技术文档,支持C/C++/Python语言。用户可以轻松调用相关API接口,启动摄像机参数设置、模型下载、输出视频参数设置,快速启动智能摄像机算法部署。VCAM支持Paddle和OpenVINO提供的官方模型,也支持用户自定义的算法模型。

VCAM SDK支持的操作系统如下:

  • Ubuntu 16.04, Ubuntu 18.04

  • Windows 10

  • Raspberry Pi

  • Arm Linux (需要工具链交叉编译)

VCAM SDK支持的编程语言如下:

  • C/C++

  • Python3.5, Python3.7

VCAM 摄像头型号如下:

  • VCAM DK

  • VCAM Lite

  • VCAM USB

VCAM集成了的算法模型如下:

 

从模型训练环境到嵌入式部署,这是一项非常重要的任务,开发者需要掌握深度学习的框架,如常用的:Caffe*、TensorFlow*、MXNet*、Kaldi*等;此外,掌握部署的嵌入式平台非常重要,开发者需要了解平台性能、系统架构特点,然后结合平台特点优化培训模型框架,最后对嵌入式平台进行调优、移植和部署。

 

VCAM专注于深度学习模型的快速部署,与Intel OpenVINO工具兼容,适用于嵌入式图形和图像应用场景。它已在终端目标设备上完成了从2MP到20MP的不同分辨率传感器的集成,并在终端目标设备实现了专业级ISP的部署。OpenVINO优化的转换模型文件可以动态下载到终端VCAM摄像机,以实现深度学习模型的快速部署。VCAM设计了独立工作模式、混合开发模式和协同处理计算模式,以适应不同的工作应用场景。

VCAM运行机制

 

欢迎对VCAM感兴趣的朋友前往GitHub搜索“hydra-vcam”了解更多项目细节,也欢迎加入OpenNCC开发技术交流微信群和工程师们一起交流。

 

文章