你将收获

将帮助您快速上手英特尔® OpenVINO™ 工具套件

能够使您快速构建出基于视觉处理的AI应用

在云端Linux Terminal下获得动手实操的机会

获得由英特尔授权CSDN颁发的英特尔®OpenVINO™开发工具包中级课程结业证书

特别提醒:收听完视频课程,欢迎大家尽快在实验平台进行动手实验哦:http://lab.csdn.net

适用人群

本课程适用于想要学习英特尔® OpenVINO™工具套件使用方法以及想要快速构建视频处理AI应用的学员。并且同时适用于没有开发设备但是对视频处理以及OpenVINO™富有兴趣的同学进行学习。

课程介绍

英特尔® OpenVINO™工具套件中级课程面向有一定基础的学员。若您是一名计算视觉技术的初学者,我们将建议您先学习英特尔® OpenVINO™工具套件的初级课程,再进行中级课程的学习。本课程将主要介绍计算机视觉应用的相关知识,特别是英特尔® OpenVINO™工具套件的整体架构以及使用方法。整个课程的视频课程部分包含了OpenVINO™模型优化器和推理引擎的使用,视频解码的OpenCVMediaSDKGstreamer的使用,AI应用中的推理优化,以及构建一套完整的视频推理AI应用的Demo演示。并且课程提供了动手实验环节,届时您将使用一个虚拟云终端进行操作实验。通过本课程的学习,将帮助您快速上手英特尔® OpenVINO™ 工具套件的使用方法,并且能够熟悉如何去快速构建一款AI应用。

为保证您顺利收听课程参与测试获取证书,还请您使用电脑端进行课程学习!

为了便于您更好的学习本次课程,推荐您在本地下载英特尔® OpenVINO™工具套件,下载地址:https://t.csdnimg.cn/yOf5

收听中级课程并完成动手实验,可获得专属定制证书,还可以参与定制周边的抽奖活动

8月1日-9月39日,学习完成【初级课程】的小伙伴,可以免费学习【中级课程】,中级课程免费学习优惠券将在学完初级课程后的7个工作日内发送至您的账户,您可以在:https://i.csdn.net/#/wallet/coupon查询优惠券情况,请大家报名初级课程后尽快学习哦~初级课程学习:https://edu.csdn.net/course/detail/27685



请注意:点击报名即表示您确认您已年满18周岁,并且同意CSDN基于商务需求收集并使用您的个人信息,用于注册OpenVINO™工具套件及其课程。CSDN和英特尔会为您定制最新的科学技术和行业信息,将通过邮件或者短信的形式推送给您,您也可以随时取消订阅不再从CSDN或Intel接收此类信息。 查看更多详细信息请点击CSDN“用户服务协议”,英特尔“隐私声明”和“使用条款”。

 


课程目录

讨论留言

正在加载中...

同学笔记

  • weixin_57736307 2021-04-30 06:36:54

    来源:练习二解析 查看详情

    Pretrained Models

    software.intel.com/en-us/openvino-toolkit/documentation/pretrained-models

  • qq_54842417 2021-03-19 00:05:21

    来源:Gstreamer框架 查看详情

    如何模拟部署一个完整AI应用的流程

     

    1.解码:可以通过SDK,和OV等测试性能(硬件的性能)

     

    2.推理:详见第五课利用bcmk实现(一个视频流)

     

    解码多个视频流

    构建一个真是流水线应用

    视频流(输入的内容)的内容要接近真实的场景

    输出的内容要接近真实的内容

    如果不需要输出,就不需要对输出内容输出,减少代码。

     

     

     

    一个框架

     

     

    这个框架在opv中可以进行流水线测试

     

    可以将开发的视频分析元素添加至GEAMRETS中,这些新元素利用opv进行检测,分类,识别跟踪可视化

     

    这个框架有c python 等实例

     

     

    推理过程

     

    包含两个推理过程

     

     

    输入视频       

    !表示分步执行视频

     

    表示检测

     

     

     

     

    获得检测结果并执行另一步推理

     

     

    绘制结果

     

     

     

    多个并行流水线

    能获得性能测试结果

     

     

     

    可以在此获得更多的信息和下载模型

    相当于手册

     

     

     

     

     

  • qq_54842417 2021-03-17 17:42:12

    来源:练习二解析 查看详情

    利用 benchmark_app.py来测试模型性能

     

     

    可以利用-h来观察参数

没有更多了