實作 OpenVINO 加速 YOLOv7 推論
YOLOv7 使用了 pyTorch 框架實作 YOLO 架構，並且導出模型，這在使用上無疑更具彈性與方便性。本篇文章將運用 OpenVINO 來對 YOLOv7 模型進行轉換，提高其在邊緣裝置上的 AI 推論效能！
【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。