我们是否经常在为无法提取图像中的文字信息而苦恼？看到有趣的图片想复制其中的文字，又或者是旅行中想获得陌生语言的含义却无法知道文字，这时候就由 OCR 闪亮登场来帮你实现愿望。
跌倒是老年人群中最常见的意外事件，这也是直接导致老年人伤残或者是死亡的几大元凶之一，我们该如何去减少老年人因跌倒带来的身体伤害及快速救治，可借助前文实现的人体骨骼关键点检测来实现对跌倒的实时检测及预警。
从传统的单目标跟踪算法到多目标跟踪实现的是新的质变，而今天我们带来的新内容是用 YOLOv8 与目标跟踪算法双结合，实现多目标的行人跟踪并部署在 爱芯派 上进行实战体验。
嘿 欢迎回到一起变强频道！想拥有并部署 MMPOES + YOLOv8 强强联合的关键点姿态检测吗？
我们在合集系列中的【YOLOv8 目标检测：训练自定义数据集并部署到爱芯派（一）】认识并体验 2023 年最新的 YOLOv8 目标检测模型并训练了自定义的数据集，而在这一章我们将学习：如何训练自己的 YOLOv8 模型并部署到爱芯派上使用。
想体验 2023 年最新的 YOLOv8 并训练自己的数据集吗？回顾往期文章MAIX-III AXera-Pi 系列文章（1）：新一代 3.6T 视觉 AI Linux 板卡面世 MAIX-III AXera-Pi 系列文章（2）：丰富多采的 AI 应用 MAIX-III AXera-Pi 系列文章（3）：Debian 系统 & 开箱案例MAIX-III AXera-Pi 系列文章：开箱之硬件初体验MAIX-III AXera-P...
基础对事物的发展起决定作用，也影响着事物发展的上限。回顾往期文章MAIX-III AXera-Pi 系列文章（1）：新一代 3.6T 视觉 AI Linux 板卡面世 MAIX-III AXera-Pi 系列文章（2）：丰富多采的 AI 应用 MAIX-III AXera-Pi 系列文章（3）：Debian 系统 & 开箱案例MAIX-III AXera-Pi 系列文章：开箱之硬件初体验MAIX-III AXera...
充分的准备工作可以减少后续使用过程中踩坑的发生，以及拥有更好的体验感。回顾往期文章MAIX-III AXera-Pi 系列文章（1）：新一代 3.6T 视觉 AI Linux 板卡面世 MAIX-III AXera-Pi 系列文章（2）：丰富多采的 AI 应用 MAIX-III AXera-Pi 系列文章（3）：Debian 系统 & 开箱案例MAIX-III AXera-Pi 系列文章：开箱之硬件初...
工欲善其事，必先利其器，了解产品是提高生产力的第一步。回顾往期文章MAIX-III AXera-Pi 系列文章（1）：新一代 3.6T 视觉 AI Linux 板卡面世 MAIX-III AXera-Pi 系列文章（2）：丰富多采的 AI 应用 MAIX-III AXera-Pi 系列文章（3）：Debian 系统 & 开箱案例前言前面的文章系列介绍了 M3AXPI 的多重特色，而本篇将从硬...
在笔者看来，MAIX-III AXera-Pi 的特色不仅仅是高性价比以及丰富的 AI 应用，更多的是多元化的支持以及应用场景。
从前文可知第三代的 MAIX-III AXera-Pi 相较以往的 Ai 开发板可谓是焕然一新，但怎样才能让学生、工程师、企业接受这款新产品呢？笔者认为除了价格美丽，更关键的在于 AI 应用的丰富程度，下面不妨在本文了解这款产品带来的内容。
在过去的两年，SIPEED 从 MAIX-I MCU 系列升级到了 MAIX-II SoC 系列，而在今年 SIPEED 则推出了 MAIX-III Linux 系列的一款 3.6TOPs@INT8 大算力低功耗超强夜景的视觉 AI 板卡！
前面几节内容大家使用的是全志原厂的Tina系统，系统比较精简，所以开发起来可能有所不便。 近期矽速科技新移植了Debian系统到R329开发板上，在这里放出给大家体验。
关于R329开发板给大家介绍了周易 AIPU 部署及仿真教程和实机运行aipu程序，大家应该都完成了在实机上跑单帧图片预测的任务，本节教程将带领大家进行实机上的模型实时运行。
通过周易AIPU 部署及仿真教程，大家应该都完成了在PC上使用模拟器仿真执行了模型，本节教程将带领大家进行真机上的第一次模型运行。
2.在「免费申请」首批基于全志R329芯片的开发板免费申请啦 点击报名参与按钮，填写相关信息先申请周易AIPU SDK，审核通过后在周易AIPU SDK开放下载文中下载周易AIPU SDK。
CNN的感受野受卷积核大小的限制，导致了CNN实际上是一种Local的信息建模；而Self-Attention（SA）是将每个位置和所有位置计算attention weight，考虑了每个点之间的联系，因此SA是一种Global的建模。
[链接]主题将Edge AI带入生活-从概念到产品说明演讲者：Ali OsmanÖrs——恩智浦半导体边缘处理部门 AI和ML战略与技术总监David Steele–Arcturus创新总监通常，开发EdgeAI/ML应用程序的第一步是使用简单的分类任务进行概念验证。实际上，大多数实际应用程序都需要从多个模型和算法同时实时运行中获得智能。对于开发人员来说...
在之前发布Transformer in Transformer（TNT）网络架构及其在ImageNet的实验结果后，TNT收到了广泛关注，也有人疑问TNT在更多任务，比如目标检测、图像分割上表现如何？因此，我们也持续演进，将TNT应用在检测分割任务上，用纯Transformer结构来更多视觉任务，其效果也是显示出优越性，比ViT、PVT等都更好一些。
验证计划是验证工程师根据设计规范制定的描述验证过程的文档。验证计划的目标是在可控的时间范围内完成最高质量的验证。
