登录社区云，与社区用户共同成长
邀请您加入社区
本系列文章将在英特尔开发套件上使用OpenVINO™ 开发套件依次部署并测评YOLOv8的分类模型、目标检测模型、实例分割模型和人体姿态估计模型。接下来，本文将介绍在AI爱英特尔开发套件上搭建OpenVINO推理程序的开发环境、导出并优化YOLOv8分类模型、完成YOLOv8分类模型的推理程序，最后给出实测性能。YOLOv8是Ultralytics公司基于YOLO框架，发布的一款面向物体检测与跟踪
英特尔开发者套件AIxBoard是一款IA架构的人工智能嵌入式开发板，体积小巧功能强大。借助OpenVINOTM工具套件，CPU和iGPU都具备较为理想的AI推理能力。我司将AIxBoard与触摸屏及自研的AI视觉软件集成在一起，做成了Rosmart AI质检一体机，实物图如下所示。基于 OpenVINO™ 打造一站式光学字符识别 & 检测大师（OCR-Master）英特尔开发者套件 + Open
AIxBoard™爱克斯板开发者套件是一款功能强大的小型计算机，专为支持入门级边缘人工智能应用程序和设备而设计。无论是在人工智能学习、开发还是实训等应用场景下，它都能完美胜任。
本文介绍了时间序列数据分类模型IncpetionTime的基本结构，使用来自UCR时序数据集的Wafer分类任务训练了InceptionTime模型，并通过OpenVINO™将模型部署在英特尔开发套件开发板上，实现了实时时序数据分类任务。希望通过本文的启发，大家能够在项目中使用OpenVINO和英特尔开发套件解决更多的时间序列分析问题。
本文以一个超分模型为例，将AI推理应用于这样一个流媒体服务器中，这主要也是给广大开发者提供了这样一个思路，可以将例如人脸检测，分割，或者识别模型同样部署于流服务器中，利用AI模型将推流出来的视频经过AI处理，这样就能给一个普通的视频流服务器进行AI赋能。RTMP流媒体服务器在市面上的应用十分广泛，除了点对点的视频传播，像现在非常热门的网络直播，都可以通过这样一个服务器达到自动播放视频，自动处理视频
经过5年的发展，Intel OpenVINO已经在人工智能视觉分析领域获得了广泛的应用。近年来，基于深度学习和神经网络的人工智能在视觉，音频，自然语言等多个领域取得了广泛成功。在时间序列信号分析方面，深度学习也体现出优于传统分析方法特性。本文希望通过模拟高速公路网的通行速度实时预测的案例，介绍如何基于OpenVINO和英特尔开发套件搭建时间序列信号收集，存储和分析的解决方案。
图1：Intel®DevKit RTMP推流服务器项目流程图项目介绍：通过FFmpeg读取摄像头视频流、本地视频或者网络视频并解码，解码后调用FFmpeg包含的视频处理功能，包括了视频剪辑，视频拼接，视频水印等等，并且能够支持OpenVINO™工具套件作为后端对输入视频进行AI处理。由于FFmpeg可以兼容软硬编解码库，所以可以选择CPU或者集成显卡（iGPU）加速视频的编解码等功能。
本文详细介绍了在英特尔开发套件上从零开始搭建ROS2+OpenVINO的开发环境的过程，大体步骤是系统安装，驱动安装，ROS2、OpenVINO等软件安装。同时介绍了ROS2编译和简单的测试，OpenVINO模型下载步骤及测试。在开发工具上，介绍了VSCode和NoMachine等软件，都能很大程度上方便开发者进行开发和研究。希望本文能对有ROS2+OpenVINO环境搭建需求的人有所帮助。
最近人工智能领域最火爆的话题非chatGPT以及最新发布的GPT-4模型莫属了。这两个生成式AI模型在问答、搜索、文本生成领域展现出的强大能力，每每让使用过它们的每个用户瞠目结舌、感叹不已。说到以上这两个GPT模型，相信大家也听说过、它们的 “超能力”来自于它们自身的超大模型尺寸，每运行一次AI推理都需要巨大的算力在背后来做支持，显然在本地设备上要运行这样的超大模型是不太可能的。
在AI爱克斯开发板上用OpenVINO加速YOLOv8分类模型
在英特尔开发套件上用OpenVINO加速YOLOv8分类模型》介绍了在英特尔开发套件上使用OpenVINO™ 开发套件部署并测评YOLOv8的分类模型，本文将介绍在英特尔开发套件上使用OpenVINO™加速YOLOv8目标检测模型请先下载本文的范例代码仓，并搭建好YOLOv8的OpenVINO推理程序开发环境。
在英特尔开发套件上用OpenVINO加速YOLOv8目标检测模型》介绍了在英特尔开发套件上使用OpenVINO™ 开发套件部署并测评YOLOv8的目标检测模型，本文将介绍在英特尔开发套件上使用OpenVINO™加速YOLOv8-seg实例分割模型。请先下载本文的范例代码仓，并搭建好YOLOv8的OpenVINO推理程序开发环境。1.2 导出YOLOv8-seg 实例分割OpenVINO IR模型Y
