【Edge AI案例探討】利用AI物件辨識協助生產線瑕疵檢測
當製造業面對缺工狀況,如何善用科技來因應人力缺口?AI技術有機會成為解答,本文將介紹一個運用AI技術開發生產線品管的解決方案。
【使用Colab】將你的資料集訓練成YOLOv5模型
通過這影片的教學,你將學習到如何在Colab上安裝Google Colab,並成功訓練YOLOv5模型。這不僅方便,也為AI開發新手提供了輕鬆入門之道。
【Maker 玩 AI】Grove Vision AI 模組讓 Arduino 也能玩 YOLO 模型
日前 Seeed Studio 推出相同核心的 Grove Vision AI 智慧鏡頭模組,筆者便以行動支持國產晶片入手一片進行測試!本篇文章會介紹如何透過 Grove Vision AI 使Arduino也能玩轉YOLO 模型!
【Maker 玩 AI】用 Roboflow + Ultralytics HUB 訓練與管理 YOLO 模型
說到要訓練一個客製化 YOLO 模型,可能要讓不少人皺起眉頭了!本篇介紹 Roboflow 與 Ultralytics HUB 這兩個工具,在不需要安裝任何軟體、寫任何程式的條件下,完成一個客製化物件偵測 YOLO 模型!
No-code版電腦視覺開發工具 – Ultralytics HUB登場
YOLOv8主導開發公司Ultralytics推出No-code的ML電腦視覺開發平台 – Ultralytics HUB,讓更多開發者可以無痛進入此一領域。
如何用OpenVINO讓YOLOv8獲得1000+FPS性能?
YOLO又推出了最新的YOLOv8模型,其模型架構創新以及性能提升,使其剛問世就獲得廣大開發者的關注。如果說利用OpenVINO的量化和加速,利用英特爾CPU、整合式顯卡以及獨立顯卡與同一程式碼庫無縫協作,可以獲得1000+ FPS的性能,你相信嗎?我們將一步步教你在利用OpenVINO在英特爾處理器上實現這樣的性能。