以AI進行無人機巡檢河川地貌分析
由於工業科技快速發展，環境議題一直備受討論與重視；近幾年，由於邊緣運算、AI、硬體加速與無人機等技術趨於成熟，公民營機構－－尤以公部門為首－－開始思考是否能借助科技的力量來進行環境工程，本文即以AI物件分割技術作為技術基礎，配合台中市環保局河川揚塵防治計畫進行河床地貌影像分割。
用OpenVINO C++ API編寫YOLOv8-Seg實例分割模型推論程式
本文章將介紹使用OpenVINO C++ API開發YOLOv8-Seg實例分割(Instance Segmentation)模型的AI推論程式。
AI分割一切：用OpenVINO加速Meta SAM大模型
最近在電腦視覺領域就出現了專屬的物體分割大模型，由Meta開源的「萬物可分割」（SAM）物體分割模型。這個強大的通用分割模型，當然也能用OpenVINO進行最佳化以及推論的加速，使其能方便快速地在Intel的CPU上部署執行。來跟著我們提供的程式碼與步驟一起來動手試試吧！
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。
【CAVEDU講堂】Edge Impulse 小技巧 – Crop sample（裁剪）與 Split sample（分割）
本文將介紹使用 Edge Impulse 來建立感測器資料集時，如何一次上傳較長秒數的資料，再進行裁剪或分割。
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！
0514邊緣系統VLM視覺理解推論實作工作坊
