升级后的OpenVINO ：让边缘更智能，让AI更实用，让应用更强大
这年头，如果你的物联网和边缘计算中没有集成 AI ，都不好意思跟人打招呼。Gartner 预计：到 2022 年，将有 80%的企业物联网项目把 AI 作为主要组成部分。有了AI 加持的物联网，正在逐渐蔓延这个世界。其中，市场调研公司 Mordor Intelligence 判断：到 2026 年，基于边缘的机器学习将会推动 AI 物联网市场达到每年 27.3% 的复合增长率。全文链接：https
openlab_4276841a
3年前
在 OpenVINO™ 精度检查器工具中添加 DIoU-NMS 指标，以获取 YOLO v4 的正确 mAP
Yolov4 模型于 2020 年中期推出，它的问世对深度学习目标检测领域产生了深远影响。为取得成功，Yolov4 集成了许多一流的技术，其中包括改进的非极大值抑制 (NMS) 算法，该算法使用距离交并比 (DIoU) 而非交并比 (IoU)。DIoU 总结了边界框回归中的两个几何因素（即重叠区域和中心点距离），从而加快了收敛速度并提升了性能。 在本***中，DIoU-NMS 函数将被添加到 Op
openlab_4276841a
3年前
为了支持云开发人员从云端到边缘的旅程，我们构建了多个加速器。我们将在本博文中介绍其中三个加速器。您可以使用 AWS SageMaker 在 AWS 云中构建和训练模型，然后使用 OpenVINO™ 工具套件模型优化器优化这些模型。优化后，您将能够在英特尔® DevCloud 中，跨英特尔® DevCloud 的所有英特尔® 硬件对模型进行性能指标评测。最后，我们将介绍如何为英特尔® OpenVIN
openlab_4276841a
3年前
2012 年 Alex Krizhevsky 利用卷积神经网络(Convolutional Neural Network, CNN) AlexNet 以 15.3% Top5 错误率远甩第二名好几条街(26.1%)，赢得 ImageNet 大规模视觉识别挑战赛(ILSVRC)首奖，从此开启人工智能、神经网络、深度学习的新世代。自此各个厂商也纷纷推出自家的开发工具，抢夺人工智能市场。 全文链接请戳：
openlab_4276841a
3年前
随着人工智能兴起，利用“深度学习”技术进行计算机视觉工作已是很普遍的应用，如图像分类、对象检测等。通常只需将单张图像送入训练好的模型中进行推理即可得到输出结果，但当遇到视频文件或串流视频时，逐格(by Frame)图像分析就变得很没效率，因为帧间时间差距过短（通常为 1/30 ~ 1/60 秒），场景中的对象位移量（变形量）可能过小，导致帧间得到几乎相同的计算结果（对象位置、尺寸及分类），浪费计算
openlab_4276841a
3年前
