在 OpenVINO™ 精度检查器工具中添加 DIoU-NMS 指标，以获取 YOLO v4 的正确 mAP
1.0 简介Yolov4 模型于 2020 年中期推出，它的问世对深度学习目标检测领域产生了深远影响。为取得成功，Yolov4 集成了许多一流的技术，其中包括改进的非极大值抑制 (NMS) 算法，该算法使用距离交并比 (DIoU) 而非交并比 (IoU)。DIoU 总结了边界框回归中的两个几何因素（即重叠区域和中心点距离），从而加快了收敛速度并提升了性能。 在本白皮书中，DIoU-NMS 函数将被
openlab_4276841a
3年前
使用本指南了解：1、oneAPI 编程简介：oneAPI、英特尔 aAPI 工具包和相关资源的基本概述 2、oneAPI 编程模型：为 C/C++ 或 Fortran 卸载 DPC+和 OpenMP* 卸载的 oneAPI 编程模型的简介 3、oneAPI 开发环境设置：关于如何设置 oneAPI 应用开发环境的说明 4、编译和运行oneAPI程序：有关如何为各种加速器（CPU、FPGA等）编译代
openlab_4276841a
3年前
引言英特尔 OpenVINO™ 工具套件分发版附带的英特尔深度学习推理引擎支持开发人员创建与部署深度学习模型，以及实现快速集成。部署流程包括 3 个主要步骤：转换、模型推理以及集成至产品。本指南的第一部分介绍了该流程的前两个步骤（请参见《面向转换和模型推理/执行的性能最佳实践和优化指南》）。转换深度学习推理模型以及使用示例验证模型推理后，便可以将模型集成至包含实际应用的产品中。本文探讨了部署流程中
openlab_4276841a
3年前
英特尔® OpenVINO™ 工具套件|转换和模型推理优化指南
引言英特尔深度学习推理引擎是英特尔® 深度学习部署工具套件（英特尔® DL 部署工具套件）和 OpenVINO™ 工具套件的重要组成部分。该引擎通过提供独立于器件的统一 API，协助部署深度学习解决方案。本文档介绍了如何在网络部署流程的每个步骤优化性能。 部署流程推理引擎部署流程主要包含 3 个步骤*： 1. 转换 将经过训练的模型从特定框架（例如 Caffe 或 TensorFlow）转换成独立
openlab_4276841a
3年前
升级后的OpenVINO ：让边缘更智能，让AI更实用，让应用更强大
转自：英特尔物联网这年头，如果你的物联网和边缘计算中没有集成 AI ，都不好意思跟人打招呼。 Gartner预计：到2022年，将有80%的企业物联网项目把 AI 作为主要组成部分。有了 AI 加持的物联网，正在逐渐蔓延这个世界。其中，市场调研公司 Mordor Intelligence 判断：到 2026 年，基于边缘的机器学习将会推动 AI 物联网市场达到每年 27.3% 的复合增长率。 不过
openlab_4276841a
3年前
