搭配OpenVINO與OpenCV 電腦視覺一點都不難
處理電腦視覺只能靠 OpenCV 單打獨鬥嗎？OpenVINO 開源工具其實強化了「深度學習」技術在電腦視覺的相關應用，有效搭配兩者將能提升執行效能。
【手勢影像辨識】手勢自動標記及分類工具
本篇文章解說手勢標記，包括製作手部偵測模型、使用 YOLOV3-Tiny 及 SSD-Mobilenet 訓練並在 Jetson Nano 上測試手部偵測模型的效果。
【人臉辨識】使用5 Facial Landmarks進行臉孔校正
人臉識別前，如果先進行臉孔校正的處理，可使臉孔端正，提高辨識的精準度，本篇文章詳細說明如何透過 Dlib Facial Landmarks 進行臉孔校正。
【影像處理】如何加快OpenCV臉部偵測的速度
使用 OpenCV 中的 Haar Cascade 進行臉部偵測，即使本身速度快，但對於系統運行效率的影響很大，本篇文章介紹一些方法，不但可提升辨識效率也可減少 Haar Cascade 對系統的負擔。
【影像處理】OpenCV 的前景/背景分離技術
本篇文章介紹 OpenCV 的前景／背景分離技術，包括 cv2.absdiff 以及另外四種針對影片的背景分離技術 K-Nearest（KNN）、Mixture of Gaussians 的 MOG 及 MOG 2、Geometric Multigid（GMG）。
OpenVINO™ x Edge AI競賽投票
