DLR 物体检测

（可选）包含授权策略的对象，该策略允许组件向默认通知主题发布消息。

默认值：

{
   "aws.greengrass.ipc.mqttproxy": {
      "aws.greengrass.DLRObjectDetection:mqttproxy:1": {
         "policyDescription": "Allows access to publish via topic ml/dlr/object-detection.",
         "operations": [
            "aws.greengrass#PublishToIoTCore"
         ],
         "resources": [
            "ml/dlr/object-detection"
         ]
      }
   }
}

（可选）您要发布推理结果的主题。如果您修改此值，则还必须修改accessControl参数resources中的值以匹配您的自定义主题名称。

默认值：ml/dlr/object-detection

你想使用的加速器。支持的值为 cpu 和 gpu。

依赖模型组件中的示例模型仅支持 CPU 加速。要在不同的自定义模型中使用 GPU 加速，请创建一个自定义模型组件来替代公共模型组件。

默认值：cpu

（可选）推理组件读取图像的设备上文件夹的路径。您可以将此值修改到设备上您具有读取/写入权限的任何位置。

默认值：/greengrass/v2/packages/artifacts-unarchived/component-name/object_detection/sample_images/

（可选）推理组件用作进行预测的输入的图像的名称。该组件在中指定的文件夹中查找图像ImageDirectory。默认情况下，该组件使用默认图像目录中的示例图像。 Amazon IoT Greengrass支持以下图像格式：jpeg、jpgpng、和npy。

默认值：objects.jpg

（可选）推理代码每次预测之间的时间（以秒为单位）。示例推理代码无限期运行，并在指定的时间间隔内重复其预测。例如，如果您想使用摄像机拍摄的图像进行实时预测，则可以将其更改为更短的间隔。

默认值：3600

（可选）依赖公共模型组件中使用的模型。只有在使用自定义组件覆盖公共模型组件时，才能修改此参数。

默认值：

{
    "armv7l": "DLR-yolo3-armv7l-cpu-ObjectDetection",
    "aarch64": "DLR-yolo3-aarch64-gpu-ObjectDetection",
    "x86_64": "DLR-yolo3-x86_64-cpu-ObjectDetection",
    "windows": "DLR-resnet50-win-cpu-ObjectDetection"
}

（可选）字符串值，用于定义是否使用来自连接到 Greengrass 核心设备的摄像头的图像。支持的值为 true 和 false。

当您将此值设置为时true，示例推理代码将访问设备上的摄像头，并在捕获的图像上本地运行推理。ImageName和ImageDirectory参数的值将被忽略。确保运行此组件的用户对摄像机存储捕获的图像的位置具有读取/写入权限。

默认值：false

（可选）Linux 核心设备上推理组件读取图像和写入推理结果的文件夹路径。您可以将此值修改到设备上运行此组件的用户具有读/写访问权限的任何位置。

默认值：/greengrass/v2/work/variant.DLR/greengrass_ml

默认值：/greengrass/v2/work/variant.TensorFlowLite/greengrass_ml

请勿修改。目前，加速器的唯一支持值是cpu，因为依赖模型组件中的模型仅针对 CPU 加速器进行编译。

（可选）推理组件用作进行预测的输入的图像的名称。该组件在中指定的文件夹中查找图像ImageDirectory。默认位置是MLRootPath/images。 Amazon IoT Greengrass支持以下图像格式：jpeg、jpgpng、和npy。

默认值：objects.jpg

（可选）推理代码每次预测之间的时间（以秒为单位）。示例推理代码无限期运行，并在指定的时间间隔内重复其预测。例如，如果您想使用摄像机拍摄的图像进行实时预测，则可以将其更改为更短的间隔。

默认值：3600

（可选）依赖公共模型组件中使用的模型。只有在使用自定义组件覆盖公共模型组件时，才能修改此参数。

默认值：

{
    armv7l: "DLR-yolo3-armv7l-cpu-ObjectDetection",
    x86_64: "DLR-yolo3-x86_64-cpu-ObjectDetection"
}