OpenVINO 2024.2姿態模型效能評估：以OpenPose、YOLOv8與3D-Pose為例
本文主要於ASRock NUC BOX-155H平台進行，使用Intel Core Ultra運作的NUC (下一代計算單元)。我們將姿態辨識模型OpenPose、3D Pose、MoveNet 與 YOLOv8 模型轉換為OpenVINO IR模型格式，分別在CPU、iGPU及NPU上進行部署。觀察這些模型在CPU、iGPU及NPU的硬體效能差異，透過實際執行影片推論的過程，觀察NPU的性能表現。
【Edge AI專欄】AIPC開箱實測 ─ Yolov8斜物件偵測
本篇文章會使用Asus NUC 14 PRO來進行AI推論應用，並從AIPC 硬體規格、安裝工作環境、旋轉物件偵測及在不同硬體運行效能分析比較等方面幫大家做一個完整的介紹。
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。