- A+
适合人群：
C++与Python开发者，图像处理与OpenCV开发者，在学本科生与研究生，模型加速研究开发者
课程目标：
在CPU上实现对深度神经网络模型的10倍加速，实时高FPS对象检测/道路分割/行人检测/人脸检测等
课程简介：
详细介绍了OpenVINO整体架构、基本组件、核心组件DLDT与IE的使用，OpenVINO对模型加速执行推断的开发流程与步骤、相关SDK API函数如何在C++与Python环境下进行API调用，如何使用预训练模型快速开发车牌识别、行人检测、人脸检测，道路分割、表情识别与landmark提取等高实时视频分析程序，使用模型优化器进行模型压缩转换与优化等OpenVINO核心技术演示与代码教学。一步一步教你构建CPU级别可实时的深度学习模型应用程序。部分演示程序截图如下（均基于CPU达到实时帧率）：
实时行人检测
详细课程目录：
1 课程概述.mp4
2 OpenVINO框架介绍与安装测试.mp4
3 OpenVINO开发环境配置.mp4
4 OpenCV DNN中使用IE模块加速.mp4
5 OpenVINO 模型转换工具使用与模型加速.mp4
6 OpenCV DNN 车辆与车牌检测模型.mp4
7 OpenVINO SDK开发之核心API与流程.mp4
8 OpenVINO SDK开发之车辆与车牌检测.mp4
9 OpenVINO SDK 开发之车辆属性与车牌识别.mp4
10 视频分析之行人检测-模型介绍与程序结构.mp4
11 视频分析之行人检测 - 异步推断代码实现与程序演示.mp4
12 视频分析之人脸检测 - 异步实时人脸检测.mp4
13 视频分析之人脸表情检测 - 实时表情识别.mp4
14 OpenVINO SDK 开发之道路分割.mp4
15 OpenVINO Python版本配置与SDK介绍.mp4
16 OpenVINO Python SDK开发之实时道路分割.mp4
17 OpenVINO Python SDK开发异步高帧率人脸检测.mp4
18 实时高帧率人脸landmark提取.mp4
配套课程资料.zip
