探索英特尔® OpenVINO™ 工具套件分发版
英特尔® OpenVINO™ 工具套件分发版# 部署高性能深度学习推理
探索英特尔® OpenVINO™ 工具套件分发版。
#### 在多种英特尔® 架构上发挥 AI 和计算机视觉的全部潜能，开发并增强各种应用案例，助力医疗与生命科学、零售、工业等领域快速发展。
#### 您的 AI 和计算机视觉应用......现在将可以更快地运行
使用英特尔® OpenVINO™ 工具套件分发版开发可模拟人类视觉的应用和解决方案。该工具套件基于卷积神经网络 (CNN)，可在英特尔® 硬件（包括加速器）中扩展工作负载并实现性能最大化。
* 支持从边缘到云的深度学习推理
* 加速 AI 工作负载，包括计算机视觉、音频、语音、语言和推荐系统
* 使用通用 API 支持在所有英特尔® 架构和 AI 加速器 — CPU、iGPU、英特尔® Movidius™ 视觉处理单元 (VPU)、FPGA 和英特尔® 高斯和神经加速器(英特尔® GNA）上实现异构执行
* 通过函数库和预优化内核缩短上市时间
* 包括面向 OpenCV、OpenCL™ 内核以及其他工业工具和库的优化调用
[入门指南](https://software.intel.com/content/www/cn/zh/develop/tools/openvino-toolkit/get-started.html)
### 发现丰富功能
#### [深度学习推理](https://software.intel.com/content/www/us/en/develop/tools/openvino-toolkit/deep-learning-inference.html)
借助面向预训练模型的内置模型优化器，和面向专用硬件加速的推理引擎运行时，在所有英特尔® 平台上部署并加速神经网络模型。
### [传统计算机视觉](https://software.intel.com/content/www/us/en/develop/tools/openvino-toolkit/traditional-cv.html)
开发和优化采用 OpenCV 库和其他工业工具构建的经典计算机视觉应用。
### [硬件加速](https://corpredirect.intel.com/Redirector/404Redirector.aspx?https://software.intel.com/en-us/openvino-toolkit/hardware)
充分发掘基于英特尔® 的加速器的出色性能：包括 CPU、iGPU、FPGA、VPU、英特尔® 高斯和神经加速器，以及 IPU。
### 英特尔提供强大的可扩展软硬件解决方案产品组合，采用英特尔® OpenVINO™ 工具套件分发版，可满足任何用例的各种性能、功耗和价格要求。了解该工具套件如何通过高吞吐量和出色的效率，帮助多种深度神经网络提升推理应用的运行速度。
[性能指标评测](https://mc.dfrobot.com.cn/thread-305850-1-1.html)
# 这款产品的适用对象
AI 研究人员、应用开发人员、数据科学家和实施人员，他们需要：
* 提升深度学习部署性能
* 简化的开发和易于使用的工作流程
* 借助解决方案在所有英特尔® 架构、CPU、iGPU、VPU、英特尔® 高斯和神经加速器和 FPGA 上实现跨平台灵活性和可扩展性
# AI 支持的医疗影像
英特尔携手飞利浦为 X 光和计算机断层 (CT) 扫描提供高效的高性能深度学习推理，无需使用任何加速器。该解决方案在基于英特尔® 至强® 可扩展处理器的服务器上运行，并通过英特尔® OpenVINO™ 工具套件分发版进行了优化。
# 2020.1 版本的新特性
* 引入训练后优化，支持显著加速优化，且准确性几乎没有下降。使用模型量化技术，可简化开发流程，且不需要重新训练或调整模型。
* 扩展英特尔® Movidius™ 视觉处理单元 (VPU) 上的自定义层支持。从而提高专用边缘、媒体和视觉推理的灵活性和可定制性。
* 面向 INT8 的全新低精度运行时包含“伪量化”原生支持和 3D 卷积层支持，且内存占用面积显著缩小，从而支持开发人员为其应用添加更多深度学习模型。
* 借助深度学习工作台实现极致的性能优化和跨平台灵活性。凭借全新训练后优化功能支持、COCO 数据集、新算法以及开发人员经验的积累和接口的改进，可以大幅简化开发和部署流程。
如欲了解更多信息，请观看关于[深度学习工作台](https://techdecoded.intel.io/essentials/introducing-a-new-tool-for-neural-network-profiling-inference-experiments/#gs.u2zdl2)的网络研讨会。
* 新增支持新的公共模型，包括：
o 针对计算机视觉：MobileNet* v3、Yolo* v3（来自 MXNet GluonCV*）
o 针对语音和语言：LibriSpeech、混响环境中的自动语音识别 (ASpIRE)
* 新增支持[开放式 Model Zoo ](https://github.com/opencv/open_model_zoo)中的新演示以及经过预优化、可即刻部署的模型，以加快生产速度。它们包括：
o 端到端语音识别
o 美国手语 (ASL) 识别
o 基于 Mask R-CNN 的字符和文本检测
o 3D 人体姿势预估
版本说明
产品简介
系统要求
# 您应该怎么做
### 智能课堂
跟踪课堂指标（如出勤和课堂参与度）并执行分析。
### 人员统计参考实例
使用模型和推理创建智能视频应用，以运行单类型对象检测。
### 交互式面部识别
本示例展示了面部检测功能，该功能可以检测年龄、性别和头部姿势。
# 受到嵌入式视觉联盟* 的嘉奖
### 客户嘉评
“英特尔® 至强® 可扩展处理器和 OpenVINO 工具套件似乎是最适合运行医疗影像 AI 工作负载的解决方案。我们的客户不需要复杂的基础设施，也能发挥出他们现有硬件的最大潜能，同时还能以优异的性能满足高质量、高分辨率影像输出的需求。”
— 印度 Philips HealthSuite Insights 首席架构师兼数据科学和 AI 研究员 Vijayananda J.
[白皮书](https://www.intel.ai/ai/wp-content/uploads/sites/69/Intel-PhilipsAIHealthcare-CaseStudy-FinalV2-withquote.pdf)
### 客户嘉评
“我们的战略重点是在边缘部署人工智能，但总是很难实现高效的算法，无法平衡不同硬件组件之间的工作负载。OpenVINO™ 工具套件有效填补了这一空白，为我们提供了一套独特的工具，帮助我们和合作伙伴加快产品的生产速度。”
- Fabrizio Del Maffeo，AAEON Technology Europe 副总裁兼管理总监
### 客户嘉评
“全新 OpenVINO™ 工具套件为开发和部署视觉导向型解决方案提供完整的工具套件，并显著提升处理器和显卡性能。研华科技为垂直市场提供多款解决方案就绪型软件包，包括人员统计、热图分析、面部识别和损失预防。借助 OpenVINO™ 工具套件，我们可以轻松进行实时视频录制和转码、人员检测和统计，以及标牌管理。”
- MC Chiang，研华科技物联网服务事业部助理副总裁
### 客户嘉评
“AI 为实现工业自动化提供了巨大的机遇。借助制造流程中广泛用于指导、识别、测量和检测的机器视觉，OpenVINO™ 工具套件集成了深度学习工具，并支持异构执行环境，还可显著提升机器视觉的推理速度和准确性。”
- Edgar Chen，ADLINK 嵌入式平台和模块业务部总经理
### 客户嘉评
“借助 OpenVINO 工具套件，我们现在能够优化英特尔芯片的推理，超过我们的吞吐量目标近六倍。我们不仅要为客户降低部署成本，还要为新的智能医疗影像时代提供灵活、高性能的解决方案。通过与英特尔合作，我们能够经济高效地将强大的人工智能应用到临床诊断扫描和其他医疗工作流程中。” – David Chevalier，GE Healthcare* 首席工程师
### 客户嘉评
“Dell EMC* 的监控实验室验证程序与英特尔软件工具的协作，使我们能够与顶级监控摄像头和视频软件公司一起提供业经验证的解决方案。” – Ken Mills，Dell EMC 监控与安全解决方案总经理
# 案例研究
### 面向医疗影像的深度学习
英特尔和 GE* 携手将强大的人工智能应用到临床诊断扫描和其他医疗工作流程中。
### 面向深度学习算法有效提升性能
GeoVision 使用英特尔® System Studio 和英特尔® OpenVINO™ 工具套件分发版显著提升面部识别解决方案的性能。
### 数字安全和安全解决方案
该解决方案是 Agent Vi* 的核心，可提供下一代视觉技术。
### 面向工业 4.0 的 AI 机 器人
NexCOBOT 提供了一款灵活的模块化机器人解决方案，该解决方案采用英特尔工具集成了人工智能和机器视觉。
© 英特尔公司版权所有
[前往了解DFRobot行业AI开发者大赛](https://mc.dfrobot.com.cn/event/ai2020/)
英特尔® OpenVINO™ 工具套件分发版：[点击下载](https://software.intel.com/zh-cn/openvino-toolkit/choose-download?cid=&source=dfrobot&campid=prc_2020_openvino_assemblycall)
路过mark一下
页:
[1]