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。
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！
【機器學習】利用Google Colab訓練YOLO
Google Colab 能取代實體 GPU 用在訓練和計算嗎？本篇文章實際用其來訓練 YOLO，說明背後要點與設定，剖析其可行性。
【AI_Column】如何以YOLOv3訓練自己的資料集 ─ 以小蕃茄為例
本篇文章使用 RealSense D435 深度感測器取得影像，以 YOLO v3 為演算法，並以辨識（偵測）小蕃茄為例和大家介紹從收集（取像）、標註、訓練資料集到推論的工作流程。
【採果辨識】建立自己的YOLO影像辨識模型 — 以柑橘為例
這裡的YOLO指的是You Only Look Once，意思是只需要對圖片作一次CNN便能夠判斷裡面的物品，本篇文章將會教大家如何建立自己的YOLO辨識模型，並以柑橘為例，有興趣的朋友跟著做看看吧！
益登科技打造NVIDIA Jetson微網站，助力AI應用快速上手
.jpg)
.jpg)