【評測文】工業AIOT邊緣運算電腦與OpenVINO 的結合實測
OpenVINO工具套件讓電腦視覺AI應用開發人員能跨多個硬體平台加速AI模型的效率,本文是針對OpenVINO在工業電腦上運作的效率進行驗證而做出的評測報告。
【Benchmark】要如何衡量TinyML專案的執行效能?
近期TinyML蔚為時尚,為了能更公允評判TinyML軟硬體的特性表現,因而需要基準(Benchmark)測試,本文將介紹由MLCommons及EEMBC提出的兩套作法。
DeepStream 5.0 功能解析與效能實測
NVIDIA的DeepStream技術能夠簡化影像辨識程式越來越複雜的架構,進而為開發者省下大量時間,本文將全面解析DeepStream 5.0的功能並實測其效能。
【AI@IoT】MCU也能實現產線機器學習 – 以射出成型機為例
本文以射出成型機台做為示範,利用感測器蒐集機台於生產時的音頻,並透過監督式學習的方法來對資料進行標註與訓練,最終產出能夠自動辨識機台生產狀態之AI最適模型。
【NB-IoT】用DSI2598+開發板自造落塵檢測器
第三代NB-IoT開發板「DSI2598+」,不僅改善前一代DSI2598速度及記憶體空間不足的問題,多種腳位功能也便於使用者無縫接軌任何Arduino程式庫進行開發。本文將介紹DSI2598+的規格和應用範例。
【AI進教室】透過電腦視覺掌握教室學習狀態
即時掌握學生的學習狀態,對教師維繫教學品質來說非常重要。本文將探討能否透過人工智慧與資訊技術的結合,進一步瞭解學生學習過程中的學習狀況與學習態度的資訊,解決學生人數較多時難以由教師親自察看的處境。