OpenVINO這套開源的AI工具包，提供完善的開發工具，讓你可以有效藉由建置（Build）、優化（Optimize）、佈署（Deploy）三個步驟，快速開發及佈署你的Edge AI專案。本課程所介紹的Open Model Zoo，即是OpenVINO所提供的預訓練（Pre-trained）模型，目前已有超過300個立即可用的模型供你選擇，本課程將教你如何下載、安裝、配置你需要的模型，也會示範Demo案例、常見AI模型，以及一些進階的應用。

#1 認識OpenVINO推論工具

本章節中，講師將先介紹深度學習模型「訓練」與「推論」有何差異：「訓練」是要讓電腦學習如何去執行任務，而「推論」則是將訓練好的高準確模型，使用所學習到的權重對輸入圖片做識別，推論出圖片是人、腳踏車或草莓？

OpenVINO即是應用在深度學習模型的優化及推論，你可以透過使用OpenVINO Runtime API 和 Intel 資源的 CPU、iGPU、VPU去快速做出你的AI應用。它的核心工具是Model Optimizer及OpenVINO Runtime，前者可以把訓練好的模型最佳化，後者可以讓最佳化的模型在Intel CPU/iGPU/VPU上面得到最佳效能。

#2 認識OpenVINO預訓練模型：Open Model Zoo

什麼是Intel的Open Model Zoo（OMZ）呢？ 它是一個資源庫，包含了三個主要的內容：

1.預先訓練好的模型，包括非常豐富的公共開源模型及Intel Pretrained好的模型
2.展示應用的範例程式（Demo Applications）
3.其他好用的工具

本章節課程中將介紹OMZ提供了哪些預訓練模型，包括分類（Classification）、物件偵測（Object Detection）、語義分割（Semantic Segmentation）、人體姿態估算（Human Pose Estimation）、人臉偵測與辨識（Face Detection and Recognition）等等。

#3 如何善用OpenVINO預訓練模型

Open Model Zoo本來是OpenVINO的一個子專案，因支援的模型數量愈來愈多，類型也愈來愈廣，所以已獨立成一個專案。本章節將帶你使用它所提供的Demo實例，包括分類（Classification）、物件偵測（Object Detection）、實例分割（Instance Segmentation）、人體姿態估算（Human Pose Estimation）、文字偵測（Text Detection）等，以及OpenVINO整合TensorFlow的一個例子：Easter Eggs。