2020年6月27日 机器视觉与计算机视觉技术

英特尔深度学习工具包OpenVINO

随着智能视觉解决方案从边缘到云的需求不断增加,各种类型的企业都需要具备视觉功能和智能化的应用,用于监控,零售,制造,智能城市和家庭,办公自动化,自动驾驶以及更多天。 AI应用程序越来越多地由智能视觉输入提供支持。

OpenVINO包括英特尔的深度学习部署工具包,其中包括一个模型优化器,可以从许多框架(Caffe,Tensoflow,MxNet,ONNX,Kaiai)导入和训练模型。

到目前为止,大多数智能计算机视觉应用需要丰富的机器学习,深度学习和数据科学知识,以实现简单的物体识别,更不用说面部识别或避免碰撞。随着英特尔推出OpenVINO(开放式视觉推理和神经网络优化)工具包,这一切都发生了变化。

随着深度学习收入预计到2025年将增长到350亿美元,加速部署的需求显而易见。以下是下载和使用此新英特尔工具包的一些原因:

OpenVINO包括英特尔的深度学习部署工具包,其中包括一个模型优化器,可以从许多框架(Caffe,Tensoflow,MxNet,ONNX,Kaiai)导入和训练模型,优化拓扑,并通过转换为数据类型提供巨大的性能提升匹配硬件类型 – 代码是在CPU,GPU,VPU还是FPGA上运行 – 或它们的任意组合。与公共深度学习模型相比,这种快速,异构的性能被证明可以提供高达19倍的性能提升。

OpenVINO还包括大量样本,用于图像分类和分割,物体检测,神经样式转移,人脸检测,人数统计等,以及从年龄和性别到十字路口物体检测到车辆元数据的各种预训练模型。

该软件包中的优化库包括OpenCV–一种广泛的开源计算机视觉库,具有广泛的算法和功能; OpenVX – 一种优化的,基于图形的计算机视觉功能方法,针对实时,低功耗的应用程序。

此发行版中还包括用于加速医疗编码/解码的英特尔媒体SDK,用户可以使用英特尔OpenCL驱动程序和运行时来协助创建自定义内核。

使用OpenVINO,开发人员可以:

提升计算机视觉性能
简化深度学习推理和部署
加速视觉解决方案的开发
通过采用异构方法进行视觉处理,节省时间
通过支持包括CentOS,Ubuntu,Windows和Yocto Project在内的流行操作系统,OpenVINO工具包为每个支持视觉的项目提供了强大的增强功能。英特尔免费提供OpenVINO,以帮助开发人员充分利用其英特尔硬件。

Banner
Related Posts

阴影检测系统让自动驾驶汽车看到周围的角落

2019年10月30日

2019年10月30日

通过分析地面阴影的变化,无人驾驶汽车可以预测何时有车辆或行人从拐角处经过。

图像识别没你想的那么难!看完这篇你也能成专家

2019年6月2日

2019年6月2日

本地生活场景中包含大量极富挑战的计算机视觉任务,如菜单识别,招牌识别,菜品识别,商品识别,行人检测与室内视觉导航等。

从摄像机到云端:计算机视觉如何将数据转化为行动

2020年1月8日

2020年1月8日

商业上的成功通常归结为根据突然的市场变化做出快速决策。计算机视觉(一种在AI领域中崛起的快速技术),可以帮助商用机构和其他企业才做到这一点。

计算机视觉技术的七个典型应用

2019年4月8日

2019年4月8日

计算机视觉在现实世界中已经有了大量的应用,而且这项技术还很年轻。随着人类和机器继续合作,人类的劳动力将被解放出来,专注于更高价值的任务,机器的自动处理依赖于图像识别的过程。

计算机视觉以及它在商业中是如何应用的?

2019年9月17日

2019年9月17日

事实证明,大多数人认为理所当然的东西,即能够看到、处理并对视觉输入采取行动的能力,在机器中是非常难以复制的。这正是计算机视觉(cv)的目标。虽然计算机视觉可能不如人类视觉先进,但它今天已经发展到在商业中非常重要的地步。

新的过滤器增强了机器人对6D姿态评估的视觉感知能力

2019年8月7日

2019年8月7日

研究人员最近进行了一项关于6D物体姿态估计的研究,目的是开发一种过滤器,使机器人具有更强的空间感知能力,从而能够更准确地操纵物体和在空间中导航。

自动机器视觉初创企业Nexar发布实时互动地图产品

2019年7月19日

2019年7月19日

导引 :该公司在声明中表示,通过将用户提供的更新数据与汽车摄像头和传感器的Nexar数据相连接,该公司的地图可以实时警告驾驶员道路的危险,施工区域和道路标志的丢失等

图像处理中的深度学习技术

2018年8月9日

2018年8月9日

机器学习中的另一种技术是例如“超级矢量机”。与深度学习相比,必须手动定义和验证功能。在深度学习中,神经网络采用这一手动步骤:在训练过程中,独立地自动识别和提取特征。

基于田间高光谱图像和机器学习估计芒果成熟度的光谱滤波器设计

2019年8月15日

2019年8月15日

本文旨在通过模拟几个具有不同真实光学滤波器的成像设备,开发一种新型滤波器选择方法,并利用高成本成像高光谱设备为特定应用设计一种成本较低的多光谱解决方案。

计算机视觉的最佳图像注释平台

2019年5月10日

2019年5月10日

我们一直在寻找最佳的图像注释平台,该平台提供多种功能、项目管理工具和注释过程的优化(当您需要注释50k图像时,每个图像减少1秒钟!)。

CMU的研究人员设计出利用计算机视觉来观察周围角落的新技术

2019年6月20日

2019年6月20日

未来的自动驾驶汽车和其他机器智能系统可能不需要视线来收集极其详细的图像数据:卡内基梅隆大学(Carnegie Mellon University)、多伦多大学(University of Toronto)和伦敦大学学院(University College London)的一项新研究设计出了一种“观察周围角落”的技术。

深度学习“瓶颈”已至,计算机视觉如何突破困局?

2018年8月9日

2018年8月9日

从人工智能的发展过程看,深度学习是继专家系统之后人工智能应用的又一重要研究领域,也是人工智能和神经计算的核心研究课题之一。Alan Yuille认为,现在做AI不提神经网络,成果都很难发表了,这不是一个好势头。

为什么计算机视觉项目中选择OpenCV而不是MATLAB

2019年12月25日

2019年12月25日

在目前可用于计算机视觉的许多工具和库中,有两种主要的工具OpenCV和Matlab在速度和效率方面表现突出。在本文中,我们将详细介绍这两种方法。

计算机视觉和图像处理之间有什么区别?

2018年8月9日

2018年8月9日

图像处理是计算机视觉的一个子集。计算机视觉系统利用图像处理算法对人体视觉进行仿真。例如,如果目标是增强图像以便以后使用,那么这可以称为图像处理。如果目标是识别物体、汽车自动驾驶,那么它可以被称为计算机视觉。

图像分类和目标检测技术有什么区别?

2020年5月20日

2020年5月20日

图像分类和目标检测技术是计算机视觉领域的重要研究方法。这些技术帮助机器理解和识别实时对象和环境,帮助数字图像作为输入。多年来,计算机视觉技术已经被应用于多个领域,包括医疗保健、制造业、零售业等等。

Comments
发表评论

电子邮件地址不会被公开。 必填项已用*标注