点击蓝字
关注我们,让开发变得更有趣
文案 | 李擎
排版 | 李擎
文案来源 | https://www.icourse163.org/course/FUDAN-1456632162
OpenVINO™
╱ 前言 ╱
机器视觉是目前人工智能重要的应用领域，在很多领域都有丰富的成功应用案例。其中深度学习的目标检测算法是非常实用的技术基础，针对这方面的人才需求较为旺盛。
在这样的人才需求背景下，开发者如何在预训练模型基础上，通过迁移学习，根据现实应用的需求，高效、高质量地训练模型，并达到快速部署的目的，以顺应人才市场的需求。
接下来，Nono要为大家推荐一门由复旦大学副教授赵卫东和高级工程师董亮共同合作，在中国大学生MOOC平台上讲授的课程——《机器视觉与边缘计算应用 》。
本课程在介绍机器视觉相关技术的基础上，基于OpenVINO™ 工具套件，可以帮助学员方便地实现机器视觉在边缘计算场景中的应用。
该课程同时也得到了英特尔 OpenVINO™ 团队的大力支持。
OpenVINO™
╱ 课程链接 ╱
https://www.icourse163.org/course/FUDAN-1456632162[WS2]
OpenVINO™
╱ 课程标题 ╱
《机器视觉与边缘计算应用》
OpenVINO™
╱ 授课老师 ╱
赵卫东副教授：
- 复旦大学计算机科学技术学院副教授，主要负责本科生和各类研究生机器学习、深度学习应用、大数据核心技术等课程的教学。
- 被评为教育部在线教育研究中心“智慧教学之星”。
- 目前主要研究方向包括机器学习和深度学习应用、电子推荐和大数据分析等。
- 主持国家自然科学基金2项、国家重点研发计划子课题、上海市浦江人才以及企业合作课题等40多项。
董亮高级工程师：
- 毕业于复旦大学软件学院获硕士学位
- 具有多年软件架构及开发经验，目前主要从事数据分析、机器学习等方面研究
- 申请软件著权6项，获得省级科技进步二等奖，省级教育软件优秀奖。
OpenVINO™
╱ 课程目标 ╱
熟悉目标检测的常用算法，并在此基础上应用OpenVINO™，实现典型的机器视觉应用，在此基础上做创新性的边缘计算应用。
OpenVINO™
╱ 课程大纲 ╱
01 边缘计算和机器视觉基础
1.1 人工智能与边缘计算
1.2 深度学习和机器视觉
1.3 目标检测过程
1.4 课程所需基础
02 目标检测基础
2.1 目标检测的基本概念
2.2 YOLOv1-v3的目标检测算法详解
2.3 YOLOv4-v5的目标检测算法详解
2.4 SSD目标检测算法
2.5 MobileNet 目标检测算法
03算能云平台加速器
3.1 药品分检机
3.2 儿童睡姿检测
3.3 算能加速器使用方法
04 OpenVINO™ 基础
4.1 OpenVINO™ 在深度学习中的应用
4.2 OpenVINO™ 加速器简介
4.3 OpenVINO™ 的安装
4.4 预训练模型的下载
4.5手写体识别和文字检测
05 OpenVINO™ 加速器的使用
5.1使用 OpenVINO™实现目标检测
5.2模型优化器和推理引擎的使用
5.3基于 OpenVINO™ 的车牌识别
06 边缘计算典型应用
6.1 智能交通灯控制
6.2 智能教室
6.3 危险品识别
07 边缘智能综合实训
7.1 实训项目1 基于食材识别的囤菜系统
7.2 实训项目2 电动车头盔检测
OpenVINO™
╱ 预备知识╱
学习本课程前需要掌握深度学习的基本原理，了解目标检测的常用算法更佳，也需要一定的 Python 编程基础。
OpenVINO™
╱ 参考资料╱
1.http://www.icourse163.org/course/FUDAN-1205806833（深度学习课程）
2.赵卫东. 机器学习案例实战（第2版）. 北京：人民邮电出版社，2021（实验和实训，Python语言）
3.赵卫东，董亮编著.机器学习（第2版）.北京：人民邮电出版社，2022（Python语言）
4.赵卫东，董亮著.Python机器学习实战案例（第2版）.北京：清华大学出版社，2022（实验和实训，Python语言）
OpenVINO™
╱ 常见问题 ╱
1. 没有基础可以学习吗？
答：建议学员至少有一定的Python语言基础，并学习过机器学习和深度学习的基本知识（尤其是卷积神经网络和目标检测等部分），可以选修课程http://www.icourse163.org/course/FUDAN-1205806833。
有关OpenVINO的介绍，可以先学习http://course.itxueyuan.com/198（零基础学习OpenVINO），还有下列更系统的课程：
http://edu.csdn.net/course/detail/27685
http://edu.csdn.net/course/detail/28807
2.如何使用课程介绍的算法和工具解决实际问题？
答：可以先消化课程提供的案例和实验，结合推荐教材的实验练习，理解机器视觉常用算法原理以及OpenVINO™的使用方法。
3.本课程是否会讲实训的内容？
答：本课程会介绍 OpenVINO™ 和算能等业界主流平台的应用方法，实用性强，强调动手练习。
4.实验用什么平台？
答：可以到http://software.intel.com/zh-cn/openvino-toolkit/choose-download?cid=&campid=prc_q234_2020_openvino_mooc下载相关免费软件，安装在本地机器调试和运行。
5.本课程的资料如何正确使用？
答：本课程的资料（包括课件、视频、程序和数据）仅仅用于学习用，没有经过允许，不能用于比赛、论文或商业等目的。
6. OpenVINO™ 是什么？
答：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
OpenVINO™
╱ 结束语 ╱
以上就是 Nono 为对 OpenVINO™ 感兴趣的开发者们的推荐啦，大家快来和 Nono 一起学习！
此外，如果开发者们还想了解更多 OpenVINO™ 相关学习资源和应用案例，请在OpenVINO 中文社区公众号后台下方菜单栏中点击“获取资料”，就能查找到相关资源。开发者也可以通过后台回复想要了解的资源，社区工作人员将会根据后台收到的意愿进行整理并发布。
--END--
你也许想了解(点击蓝字查看)⬇️➡️ 以AI作画，祝她节日快乐；简单三步，OpenVINO™ 助你轻松体验AIGC
➡️ 还不知道如何用OpenVINO™作画？点击了解教程。➡️ 如何给开源项目做贡献? | 开发者节日福利➡️ 几行代码轻松实现对于PaddleOCR的实时推理，快来get！➡️ 使用OpenVINO 在“端—边—云”快速实现高性能人工智能推理➡️ 图片提取文字很神奇？试试三步实现OCR！➡️【Notebook系列第六期】基于Pytorch预训练模型，实现语义分割任务➡️使用OpenVINO™ 预处理API进一步提升YOLOv5推理性能扫描下方二维码立即体验
OpenVINO™ 工具套件 2022.3点击 阅读原文 跳转至课程页面
文章这么精彩，你有没有“在看”？
