OpenVINO™ 是什麼?
- OpenVINO™ 是一個快速部署模擬人類視覺應用的工具包，它基於Convolutional Neural Networks (CNN)，可擴充開發者在邊緣電腦視覺運算的工作負載，更高限度的提升效能。
►OpenVINO™ 可使用於Windows、Linux作業系統
►支援OpenCV、OpenVX電腦視覺函式庫
►支援Tensorflow、Caffe、MXNet、ONNX等相關機器學習模型 - 於近幾年來，人工智慧邊緣運算（Edge AI）的發展越發重要，業界發現到若要使AI在各個應用中能夠有更完善的發揮，光靠雲端AI是不符現實的。在追求即時性的系統當中，無論是零售業中的即時廣告電子看板、運輸業的無人車或是以秒計較的製造業，都無法去等待雲端的傳輸延遲，有了Edge AI的加持，將會有下一波爆發性的成長。
- Edge AI視覺辨識的系統建置為主軸，從AI硬體加速的神經計算棒（NCS2）及AI加速工具包 － OpenVINO™ 的學習開始，認識到OpenVINO™ 所提供的各式AI應用資源。
-
科技執法
方面主要針對台灣擁擠的交通以及治安問題希望能提供具體的法規執行，用以節省人力資源，改善交通亂象以及維護道路用路人安全。 目前已具備有區間測速、紅線違停、闖紅燈、車牌辨識及AR眼鏡臨檢等項目。
科技執法之展望 -影像辨識
警察機關透過影像辨識（Image Recognition）技術提升執法效率已行之有 年，車牌辨識系統即為一例，而隨著人工智慧（Artificial Intelligence）相關技 術逐漸成熟，機器的深度學習（Deep Learning）使得影像辨識技術及應用愈 趨廣泛。目前影像辨識主要仰賴卷積神經網路(Convolution Neural Network， CNN) 技術
CNN是類神經網路的一種，最常應用於影像偵測，由於是模擬 人腦的運作，其主要擁有自主學習不同類別特徵的能力。如同人類在學習分 類的過程一樣，需準備大量我們想要CNN偵測的違規照片，例如提供各種 紅線或黃線違規停車型態的影像，讓CNN學習這些照片的規律性，從而分辨 何種停車行為屬於違規停車，一旦偵測到是類違規即逕行舉發。
-
OpenVINO的優勢
性能方面，通過OpenVINO，可以使用英特爾的各種硬件的加速資源，包括CPU、GPU、VPU、FPGA，這些資源能夠幫助開發者提升深度學習的算法在做推理的時候的性能，而且執行的過程中支持異構處理和異步執行，能夠減少由於系統資源等待所佔用的時間。
深度學習方面，OpenVINO帶有模型優化器、推理引擎以及超過20個預先訓練的模型，開發者可以利用提供的這些工具，快速的實現自己基於深度學習的應用，而且OpenVINO使用了OpenCV、OpeenVX的基礎庫，可以利用這些基礎庫去開發自己特定的算法，實現科技執法之展望 。
評論