问答

问：本地客户端已配置好并且有告警信息，但 volumes 文件夹里的 db 文件中没有数据

答：数据确实会保存在“brainframe”数据库中，位于 volumes/mysql 下。如果你在客户端中看到了告警，说明它也已经保存到了数据库里。

问：你们目前提供的库或模块是否经过严格测试，达到了系统集成的产品级别？

答：是的。我们的服务端有 250 多个自动化集成测试持续运行，检查产品的健康状况。我们保证所有测试通过后才会最终发布版本。此外，我们发布的每个算法胶囊都有自动化测试（见此处：https://github.com/opencv/open_vision_capsules/tree/master/tests）

问：服务端是否支持容器化集群部署？

答：目前我们为部分企业客户提供定制的容器化集群部署。

问：平台目前是否只支持 .pb 格式的模型？

答：目前我们支持以下框架：https://aotu.ai/docs/capsule_development/runtime_environment/#importing
包括 tensorflow 的 *.pb、部分 tflite 文件、caffe 文件（使用 cv2.dnn 模块）以及 openvino 模型（*.xml、*.bin）。

问：pb 模型是如何封装成 .cap 的？

答：算法胶囊是用这里的 package_capsule 函数打包的：https://github.com/opencv/open_vision_capsules/blob/master/vcap/vcap/loading/packaging.py

按照这些说明，你也可以不写代码轻松打包算法胶囊：如何打包一个算法胶囊并在 BrainFrame 中运行？

问：平台是否有测试模型性能的工具

答：我们有一个基准测试工具，但还没有公开。如果你需要，我们可以发给你。也许会把它加入下一个版本。

问：平台对模型性能有要求吗？如果模型性能不高，视频流会卡住吗？

答：视频流不会卡住，但模型性能低会拖慢该视频流上其他算法胶囊的速度

问：这些应用的支持有什么限制吗？硬件平台限制或其他限制？企业应用的限制和条件是什么？

答：BrainFrame 本身不限制你，但重要的是针对你想要的使用场景测试 brainframe，并据此选择硬件。我们正在筹备一套专用开发套件，用来对我们的模型做基准测试，并为不同算法胶囊保证一定的性能水平。
至于授权，开发者在 aotu.ai 注册账号就能获得免费许可文件，支持 2 路视频流和 7 天的推理记录数据。

问：平台对前端采集硬件设备有要求吗？后台分析硬件至少需要什么性能？

答：摄像头必须支持 rtsp 或 http 直播流才能接入。最好是 h264 编码，性能最佳。对于我们现有的算法胶囊（见 https://aotu.ai/docs/downloads/#capsules），720p 或更高最好。至于后端的最低硬件要求，可以在这里找到更多信息：https://aotu.ai/docs/user_guide/server_setup/#recommended-hardware-and-software

问：自己训练的模型能直接转换成平台支持的算法胶囊吗？

答：可以，你完全可以把自己的模型封装成算法胶囊！更多关于算法胶囊开发的信息见：https://aotu.ai/docs/capsule_development/introduction/

问：平台是否支持前端边缘计算设备？

答：支持，我们目前正在为部分企业客户这样做。将来我们会在这方面发布更多功能。

问：平台如何支持自定义应用场景的模型？

答：首先，你可以定制算法胶囊，从而提取你的使用场景所需的任何自定义信息。

其次，可以使用我们的 REST API https://aotu.ai/docs/api/ 以及封装了 REST API 的 Python 库 https://aotu.ai/docs/downloads/#python-api 来集成 BrainFrame。

第三，你可以从 brainframe 中提取推理信息，并用客户端设置线条、区域和告警，再集成到你的自定义应用场景中。

第四，你可以使用我们可定制的看板来展示你的自定义场景的数据：https://aotu.ai/docs/dashboard/getting_started/

问：人脸识别与现有的识别有什么特别的区别吗？

答：有！人脸识别和其他“识别”类算法胶囊输出的是“编码（encoding）”。这是对象的向量表示，BrainFrame 可以用它与已有模板进行比较。你可以用客户端和我们的身份（Identities）API 上传模板人脸：https://aotu.ai/docs/api/#tag/Identity-Control

关于“编码”的更多信息：https://aotu.ai/docs/capsule_development/inputs_and_outputs/#encoding

问：人脸数量（用于人脸识别）有上限吗？

答：没有，BrainFrame 不设上限。不过，随着人脸数据集规模的增大，整体的精确率/召回率会下降。

每周开发者问答：4 月 22 日

问答