Files
boc/quixzoom-capture-pipeline/pilot/AI-INSTALLATION-STATUS.md
T
Bernt bae705aa97 ARCHITECTURE: NFC roadmap, edge AI, audit logging
- Add NFC ePassport roadmap (ICAO 9303, eIDAS)
- Add TensorFlow.js edge face detection (BlazeFace)
- Add structured audit logger (GDPR-compliant)
- Risk scoring support

Part of KYC Apple Native UX v1.1.0
2026-06-29 16:24:48 +00:00

108 lines
2.1 KiB
Markdown

# AI-pipeline Installation Status
**Datum:** 2026-06-28
**Status:** Pågår
---
## Vad som är klart
| # | Modell | Status | Kommentar |
|---|--------|--------|-----------|
| 1 | **YOLOv8** | ✅ Installerad | `ultralytics` fungerar |
| 2 | **Grounding DINO** | 🟡 Installerad | Weights laddas ner |
| 3 | **SAM2** | 🔴 Ej installerad | Väntar på DINO |
| 4 | **OCR** | 🔴 Ej installerad | Väntar på DINO |
| 5 | **Depth** | 🔴 Ej installerad | Väntar på DINO |
---
## YOLOv8 Testresultat
### Bangkok-bilder (55 st)
| Mätvärde | Resultat |
|----------|----------|
| Bilder testade | 10 |
| Genomsnitt detektioner/bild | 1.7 |
| Infrastruktur-detektioner | 0 |
### Problem
YOLOv8 (COCO) har **BEGRÄNSADE** infrastruktur-klasser:
- ✅ traffic light
- ✅ stop sign
- ✅ fire hydrant
- ✅ bench
- ❌ street_lamp
- ❌ manhole
- ❌ electrical_cabinet
- ❌ tree
### Lösning
**Alternativ 1:** Custom träning på infrastruktur-data
- Kräver: 1000+ annoterade bilder
- Tid: 2-3 dagar träning
- Resultat: Specialiserad modell
**Alternativ 2:** Grounding DINO (text-prompted)
- Kräver: Weights + config
- Tid: Direkt (zero-shot)
- Resultat: Generisk men flexibel
**Alternativ 3:** Cloud Vision API
- Kräver: API-nyckel
- Tid: Direkt
- Resultat: Googles modeller
---
## Nästa steg
1. **Vänta på Grounding DINO weights** (~5 min)
2. **Testa DINO på Bangkok-bilder**
3. **Jämför YOLO vs DINO**
4. **Välj bästa modell** (eller kombination)
5. **Installera SAM2, OCR, Depth**
---
## Rekommendation
**Kortsiktigt:** Använd Grounding DINO för piloten
- Zero-shot (ingen träning behövs)
- Text-prompted ("street lamp", "traffic sign")
- Flexibel för nya objekttyper
**Långsiktigt:** Träna custom YOLOv8
- Bättre prestanda för specifika objekt
- Snabbare inferens
- Mindre beroende av externa modeller
---
## Tekniska detaljer
### Installerade paket
```
ultralytics==8.x
groundingdino-py==0.4.0
supervision==0.6.0
timm==1.0.27
```
### Python-version
```
Python 3.9.25
```
### GPU-status
```
Ej kontrollerad (troligen CPU-only)
```
---
*Senast uppdaterad: 2026-06-28 16:45 UTC*