[更新] 材料可在此處找到： 簡介、 部署工具、 OpenCV DNN 模組
組織者
Alexander Bovyrin（演算法創新主管，高階 PE，英特爾）
Yury Gorbachev（計算機視覺 SDK 首席架構師，PE，英特爾）
Vadim Pisarevsky（OpenCV 開發主管，PE，英特爾）
時間： 13:30-17:30（半天 - 下午）
描述
基於深度學習的演算法是非常需要資源並且計算密集型的任務。每當演算法準備投入生產時，部署工具的選擇都是一個重要的選擇。在實踐中，工具的選擇不僅會影響速度，還會影響最終解決方案的質量。因此，在演算法選擇階段瞭解目標平臺和支援工具的功能至關重要。
本教程將介紹英特爾用於深度學習部署的工具（深度學習推理引擎和 OpenCV DNN 模組），並將涵蓋以下重要主題
- 深度學習部署工具的架構；
- DL 部署的跨平臺可移植性；
- 最重要的功能（拓撲結構特定的最佳化、動態批處理、支援不同精度級別、推理引擎整合到 OpenCV 中）；
- CV SDK 模型庫概述；
- 計劃的功能。
教程還將引導參與者完成演算法設計（拓撲結構選擇和質量評估）和移植到英特爾 DL 部署工具的工作流程的實際示例。將提供最終解決方案的效能資料以及與其他深度學習解決方案的比較。
議程
| 13:30 – 14:30 | 英特爾深度學習部署工具的架構。DL 部署的跨平臺可移植性 |
| 14:30 – 16:00 | 最重要的功能 + 示例。 |
| 16:00 – 16:30 | 咖啡休息。 |
| 16:30 – 17:15 | OpenCV DNN + 示例 + OpenVINO 模型庫 |
| 17:15 – 17:30 | 深度網路最佳化中的研發概述 |
