YOLOv12的改變：向Transformer、Attention靠攏！
最新版本 的YOLOv12延續了 YOLO 系列一貫的「高速 + 準確」的設計理念，但在架構、訓練方法與推論效率方面均有顯著改進，並且更加靠近 transformer 技術與多模態學習的整合，本文將做個介紹。
讓低功耗行動AI落地！OpenMV推 AI 相機模組
創客熟悉的OpenMV也推出內嵌NPU、支援行動AI運算的相機模組了，其核心分別來自ST及ALIF，並上架Kickstarter達標了。這兩款模組的技術特色為何，且看本文介紹。
AI物件辨識技術比一比：ViT vs YOLO
ViT（Vision Transformer）與 YOLO（You Only Look Once）都是知名的物件辨識技術，但它們在架構、應用場景和優勢方面有明顯的不同，本文將針對兩大技術來做一個比較。
【 Edge AI專欄】使用Intel OpenVINO搭配YOLOv11輕鬆駕馭姿態偵測
Intel OpenVINO 在開源範例庫 Notebooks 上給出 YOLOv11 物件偵測、姿態估測及影像分割等三個案例。本篇文章，會跟著源碼說明來了解一下如何運行 【姿態估測】 範例「Convert and Optimize YOLOv11 keypoint detection model with OpenVINO™」及動作原理。
OpenVINO 2024.2姿態模型效能評估：以OpenPose、YOLOv8與3D-Pose為例
本文主要於ASRock NUC BOX-155H平台進行，使用Intel Core Ultra運作的NUC (下一代計算單元)。我們將姿態辨識模型OpenPose、3D Pose、MoveNet 與 YOLOv8 模型轉換為OpenVINO IR模型格式，分別在CPU、iGPU及NPU上進行部署。觀察這些模型在CPU、iGPU及NPU的硬體效能差異，透過實際執行影片推論的過程，觀察NPU的性能表現。