📦 AI 产品产品 / 工具运营中成立 2021

PeekingDuck

隶属

官网

信息更新

2026-05-02

PeekingDuck 是 AISG 开源的计算机视觉推理框架，定位是"易用、模块化、生产级"的 CV 工具包。它把目标检测、姿态估计、跟踪、人脸识别等常见 CV 任务封装成可拼接的"节点"，让开发者用配置文件（YAML）就能搭建完整的 CV pipeline。

📖 是什么

PeekingDuck 的核心理念是 pipeline-as-config：

``yaml nodes: - input.visual: source: webcam - model.yolo - draw.bbox - output.screen``

这个配置启动后就是一个完整的"摄像头 → YOLO 检测 → 画框 → 显示"的实时 pipeline。框架内置 50+ 节点，覆盖输入（视频、摄像头、图片）、模型（YOLO、HRNet、PoseNet 等）、后处理（跟踪、计数、ROI 过滤）、输出（屏幕、文件、消息队列）。

应用场景：智能监控、人流分析、零售客户行为、运动姿态分析、安全合规检查（戴口罩、戴头盔）。

PeekingDuck 在 CV 工具生态里走了一条独特路径：不追求 SOTA 模型，追求"生产可用的最简框架"。

业界已有 OpenCV、Detectron2、MMDetection 等强大的 CV 工具，但它们对小企业、学生、非 ML 专业开发者门槛太高。PeekingDuck 的目标是让"懂 Python 但不懂深度学习"的开发者也能 30 分钟搭出一个生产级 CV 应用。

技术上，它在底层封装 PyTorch、TensorFlow 等框架，对外只暴露简单接口。性能不是顶尖，但部署、调试、维护成本远低于自建 pipeline。

PeekingDuck 是 AISG"开源工具策略"的另一个产物——和 TagUI 一样，定位是降低 AI 落地门槛。

在「七条传导杠杆」里：

观点：PeekingDuck 不是 AISG 最有名的项目，但它体现了 AISG 的工程哲学：做"够用"的工具而不是 SOTA 工具。这种务实路线在新加坡这种小市场里是合理的——不和 OpenCV、Meta 比规模，但在易用性上有差异化。