無須專業人士！AI GUARD 模型訓練讓普通操作者輕鬆定製警報模型

一、專題破題｜通用AI模型，為何始終差「臨門一腳」

1.1 客戶的痛：預置模型認不得「我的世界」

1.1.1 場景千差萬別，樣板卻千篇一律

無論是工廠的出入口、商場的貨架區域，還是屋苑的停車場，每個監控場景都有獨特的識別需求。然而，市面上通用的 AI 模型往往基於標準化樣本訓練，難以貼合千變萬化的實際環境。結果就是：攝影機拍到了，系統卻認不出，警報形同虛設。

1.1.2 識別目標專屬化，纔是監控的本質

監控的核心價值在於「識別你關心的目標」。例如，物業管理人員可能只想偵測有人闖入禁區，而非隨意移動的樹影；零售商可能只關注貨架前的異常停留，而非顧客的正常挑選。通用模型無法區分這些細微差別，導致誤報頻繁或漏報關鍵事件。

1.1.3 上傳自己的數據，卻無從下手

許多用戶意識到需要用自己的數據訓練模型，但面對複雜的 AI 訓練流程，往往望而卻步。沒有專業知識、沒有編程能力，甚至不知道從何開始收集和標註數據。這種「有數據卻用不上」的困境，正是 AI 落地的最後一公里。

1.2 破題：AI GUARD 模型訓練子系統

1.2.1 一句話賣點：讓設備學習你，而不是你遷就設備

AI GUARD 模型訓練子系統的設計哲學很簡單：讓設備適應你的場景，而不是你去適應設備。無論你是中小企業主還是物業管理人員，只要會操作電腦，就能輕鬆訓練專屬的警報模型，無須專業人士協助。

1.2.2 三大程序的角色分工

1.2.2.1 AGMT Cloud —— 雲端指揮部

AGMT Cloud 是整個訓練流程的雲端控制中心。你可以在這裡管理數據集、啟動訓練任務、監控訓練進度，並將訓練好的模型部署到邊緣設備。它提供了直觀的網頁界面，讓你能夠像使用普通軟件一樣操作。

1.2.2.2 AGMT Edge —— 現場算力引擎

AGMT Edge 是部署在區域網內的邊緣計算節點，負責執行實際的模型訓練任務。它利用現場的 GPU 資源進行計算，確保數據隱私不出場，同時減少對雲端帶寬的依賴。訓練完成後，模型可直接應用於本地 CCTV 系統。

1.2.2.3 AiGuardCloudApp —— 一鍵上線的收發站

AiGuardCloudApp 是連接雲端與邊緣的橋樑。通過這個應用，你可以一鍵將訓練好的模型下發到指定的攝影機或錄像機，實現快速上線。整個過程無需技術背景，點擊即可完成。

二、功能全景｜從一張圖到一個自訂模型

2.1 數據收集：資產就是訓練的本錢

2.1.1 圖片與影像上載，多租戶隔離

你可以直接上傳現場的圖片或影像片段作為訓練素材。系統支援多租戶隔離，確保不同用戶的數據安全獨立，互不幹擾。

2.1.2 影像自動抽幀，一秒變樣本

對於視頻素材，系統會自動抽幀，將連續畫面轉化為單張圖片樣本。你無需手動截圖，大大節省了數據準備的時間。

2.1.3 一張圖多用途：同一資產可入多個資料集

同一張圖片可以同時用於多個不同的訓練任務。例如，一張停車場的圖片既可以用於訓練「車輛識別」模型，也可以用於訓練「人員闖入」模型。這種靈活性讓數據資產的價值最大化。

2.2 標註：畫框，就是教學

2.2.1 瀏覽器畫框，零安裝、零代碼

標註過程完全在瀏覽器中進行。你只需要用滑鼠在圖片上畫出目標的邊界框，並選擇對應的類別（如「人」、「車」、「貨物」），就完成了教學。無需安裝任何軟件，也無需編寫代碼。

2.2.2 每框獨立存檔，不同任務各自一套標註

每個標註框都會獨立保存，不同訓練任務可以擁有各自的標註集。這樣，你可以針對不同場景靈活調整，而不會互相影響。

2.2.3 快照機制：凍結樣本，訓練可重現

系統提供快照功能，可以將當前的數據集和標註狀態「凍結」下來。這樣，每次訓練使用的都是同一份樣本，確保訓練結果可重現，方便你比較不同訓練參數的效果。

2.3 訓練：算力留在現場，隱私不離場

2.3.1 區域網 GPU 節點，主動出擊

訓練任務在區域網內的 GPU 節點上執行，數據無需上傳到雲端，隱私得到充分保護。同時，邊緣計算減少了網絡延遲，訓練效率更高。

2.3.2 三條代號線，速度與精準任選

系統提供三種訓練模式，滿足不同需求：

2.3.2.1 AG5 系列：經典穩健

AG5 系列是經過驗證的經典訓練模式，平衡了速度與精度，適合大多數常規場景。

（其他模式根據實際情況補充，但綱要未提供，故省略）

通過 AI GUARD 模型訓練子系統，中小企業主和物業管理人員可以輕鬆定製警報模型，無須專業人士。無論是為了 MediaGuard AI智能識別警報 提供支持，還是實現任何以 CCTV 系統為基礎的圖形辨識警報，這套 AI警報與自訂警報訓練 系統都能提供可落地的方案。現在，就讓你的監控系統學會「你的世界」吧！