AWS-Panorama-Konzepte

In AWS Panorama erstellen Sie Computer-Vision-Anwendungen und stellen sie auf der AWS Panorama Appliance oder einem kompatiblen Gerät bereit, um Videostreams von Netzwerkkameras zu analysieren. Sie schreiben Anwendungscode in Python und erstellen Anwendungscontainer mit Docker. Sie verwenden die AWS Panorama Application CLI, um Modelle für maschinelles Lernen lokal oder aus Amazon Simple Storage Service (Amazon S3) zu importieren. Anwendungen verwenden das AWS Panorama Application SDK, um Videoeingaben von einer Kamera zu empfangen und mit einem Modell zu interagieren.

Die AWS-Panorama-Appliance

Die AWS Panorama Appliance ist die Hardware, auf der Ihre Anwendungen ausgeführt werden. Sie verwenden die AWS-Panorama-Konsole, um eine Appliance zu registrieren, ihre Software zu aktualisieren und Anwendungen darauf bereitzustellen. Die Software auf der AWS Panorama Appliance stellt eine Verbindung zu Kamera-Streams her, sendet Videoframes an Ihre Anwendung und zeigt die Videoausgabe auf einem angeschlossenen Display an.

Die AWS Panorama Appliance ist eineEdge-Gerät unterstützt von Nvidia Jetson AGX Xavier. Anstatt Bilder an die zu sendenAWSCloud für die Verarbeitung: Anwendungen werden lokal auf optimierter Hardware ausgeführt. Auf diese Weise können Sie Videos in Echtzeit analysieren und die Ergebnisse lokal verarbeiten. Die Appliance benötigt eine Internetverbindung, um ihren Status zu melden, Protokolle hochzuladen und Softwareupdates und -bereitstellungen durchzuführen.

Weitere Informationen finden Sie unter Verwalten derAWS PanoramaAppliances.

Kompatible Geräte

Zusätzlich zur AWS Panorama Appliance unterstützt AWS Panorama kompatible Geräte vonAWSPartner. Kompatible Geräte unterstützen dieselben Funktionen wie die AWS Panorama Appliance. Sie registrieren und verwalten kompatible Geräte mit der AWS-Panorama-Konsole und der API und erstellen und implementieren Anwendungen auf die gleiche Weise.

• Lenovo ThinkEdge® SE 70— Bereitgestellt von Nvidia Jetson Xavier NX

Der Inhalt und die Beispielanwendungen in diesem Handbuch wurden mit der AWS Panorama Appliance entwickelt. Weitere Informationen zu bestimmten Hardware- und Softwarefunktionen für Ihr Gerät finden Sie in der Dokumentation des Herstellers.

Anwendungen

Anwendungen werden auf der AWS Panorama Appliance ausgeführt, um Computer-Vision-Aufgaben in Videostreams auszuführen. Sie können Computer-Vision-Anwendungen erstellen, indem Sie Python-Code und Modelle für maschinelles Lernen kombinieren und sie über das Internet auf der AWS Panorama Appliance bereitstellen. Anwendungen können Videos an ein Display senden oder das AWS-SDK verwenden, um Ergebnisse an AWS-Services zu senden.

Um Anwendungen zu erstellen und bereitzustellen, verwenden Sie die AWS Panorama Application CLI. Die AWS Panorama Application CLI ist ein Befehlszeilentool, das Standardanwendungsordner und Konfigurationsdateien generiert, Container mit Docker erstellt und Ressourcen hochlädt. Sie können mehrere Anwendungen auf einem Gerät ausführen.

Weitere Informationen finden Sie unter Verwalten vonAWS PanoramaAnwendungen.

Knoten

Eine Anwendung besteht aus mehreren Komponenten namensKnoten, die Eingaben, Ausgaben, Modelle und Code darstellen. Ein Knoten kann nur konfigurativ sein (Eingaben und Ausgaben) oder Artefakte (Modelle und Code) enthalten. Die Codeknoten einer Anwendung sind gebündeltKnoten-Paketedie Sie auf einen Amazon S3-Zugriffspunkt hochladen, wo die AWS Panorama Appliance auf sie zugreifen kann. EinAnwendungsmanifestist eine Konfigurationsdatei, die Verbindungen zwischen den Knoten definiert.

Weitere Informationen finden Sie unter Anwendungs-Knoten.

Modelle

Ein Computer-Vision-Modell ist ein Netzwerk für maschinelles Lernen, das darauf trainiert ist, Bilder zu verarbeiten. Computer-Vision-Modelle können verschiedene Aufgaben wie Klassifizierung, Erkennung, Segmentierung und Verfolgung ausführen. Ein Computer-Vision-Modell verwendet ein Bild als Eingabe und gibt Informationen über das Bild oder die Objekte im Bild aus.

AWS Panorama unterstützt Modelle, die mit erstellt wurden PyTorch, Apache MXNet und TensorFlow. Sie können Modelle mit Amazon erstellen SageMaker oder in Ihrer Entwicklungsumgebung. Weitere Informationen finden Sie unter Computer Vision-Modelle.