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
4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
4年前
全文链接：https://chinait-intel.oss-cn-beijing.aliyuncs.com/OpenVINO/0413-20210308_OpenVINO%E6%95%99%E5%AD%B8_DLWorkbench_JackHsu.pdf
openlab_4276841a
4年前
全文链接：https://chinait-intel.oss-cn-beijing.aliyuncs.com/OpenVINO/2-OpenVINO%E5%BC%80%E5%8F%91%E9%85%8D%E7%BD%AE%E4%B8%8E%E5%BF%85%E5%A4%87%E5%9F%BA%E7%A1%80%E7%9F%A5%E8%AF%86.pdf
openlab_4276841a
4年前
OpenVINO ToolKit 深度学习部署框架系统化介绍
一、OpenVINO框架概述与产生背景OpenVINO ToolKit是英特尔发布的一套支持快速开发视觉、语音识别、自然语言处理应用开的框架，受益于人工智能技术的快速发展，框架采用了最新的人工智能神经网络包括卷积神经网络、循环神经网络、注意力机制网络等模型。实现视觉与非视觉任务的底层硬件加速、达到最佳性能。支持人工智能应用从云端到边缘的部署与推理全链路技术。OpenVINO ToolKit主要功能
openlab_4276841a
4年前
