與畫格感測器相比，事件視覺型 (Event Vision-Based, EVB) 感測功能可加快感測速度、改善不可預測照明環境下的運作狀況，並降低通訊需求。¹ 此應用程式呈現了透過 MIPI 連接至 AMD Kria™ KV260 Vision AI 入門套件的整合式 EVB 感測器，如何執行物體偵測與追蹤，以簡化端對端管線加速。此應用程式內含 GitHub 參考設計，讓客戶能夠客製化以符合其特定需求。
這個 Kria KV260 Vision AI 入門套件應用程式提供簡單的啟動步驟，讓您輕鬆介接事件相機，並對事件資料串流進行 ML 推論。它也有 GitHub 頁面，可讓您修改管線，建立您自己的客製化應用程式。
每個像素會在偵測到照明強度有相對變化，且高於或低於先前強度的定義百分比時發送報告。事件相機不會每隔一段固定時間拍攝影像一次，而是以非同步的方式感測每像素層級的亮度變化，並建立事件資料串流。在此處進一步瞭解事件視覺的運作方式。
好幾個組織都有提供事件相機資料集。您可以造訪 PROPHESEE 資料集頁面，或前往 DSEC 資料集或 eTraM 資料集頁面。如果您有事件相機，您可以根據其資料串流擷取並建立客製化資料集。
如果事件相機支援 MIPI 介面，則搭載 Raspberry Pi 的 Kria SOM SmartCam 設計範例可提供建立 AMD Vivado 和 AMD Vitis 設計的一般指引。由於事件相機產生的事件資料與影像式的畫格攝影機不同，Vivado IP 管線將包含 MIPI-DMA-PS (DDR) 管線，但中間不需要去馬賽克、伽瑪與色彩校正的 IP 核心。若使用 USB 型事件相機，您可以為 USB 型事件相機設定所需的 Linux® 驅動程式，然後開始使用相機拍攝和工作。此為應用程式設計的 GitHub 連結。如需進一步客製化，請按一下上方的聯絡 LogicTronix 按鈕。
事件相機是由事件觸發，因此與 RGB 影像攝影機不同，它會在焦點或擷取區域有移動時產生資料串流。因此，整體處理頻寬需求將會低於 RGB 資料與攝影機。事件相機的效能也會比傳統影像攝影機更快。1 如需事件型相機與視覺之優勢的更多資訊，請參閱此處。
本教學課程可為您展示如何實現類似於 RGB 影像型攝影機的事件型 ML 訓練和推論。您也可以造訪 PROPHESEE Yolo 教學頁面，以瞭解如何讓 Yolo 網路針對事件型資料進行訓練/推論。我們也提供有關事件相機資料的訓練和推論 ML 演算法或網路的其他教學課程。
Certain AMD technologies may require third-party enablement or activation. Supported features may vary by operating system. Please confirm with system manufacturer for specific features. No technology or product can be completely secure.
