Edge AI for Computer Vision: Real-Time Image Processing

• 熟悉计算机视觉概念
• 对Python和深度学习框架有经验
• 对边缘计算和IoT设备有基本了解

观众

• 计算机视觉工程师
• AI开发人员
• IoT专业人员

Edge AIforComputer Vision正在通过使AI模型能够直接在边缘设备上运行来改变实时图像和视频分析的行业，从而减少延迟并提高效率。

该培训由讲师主导，提供实时在线和现场培训，旨在针对希望实施和优化计算机视觉模型以在边缘设备上进行实时处理的中级到高级计算机视觉工程师、AI开发人员和物联网专业人员。

培训结束时，参与者将能够：

• 了解Edge AI的基本原理及其在计算机视觉中的应用。
• 在边缘设备上部署经过优化的深度学习模型，以进行实时图像和视频分析。
• 使用TensorFlow Lite、OpenVINO和NVIDIA Jetson SDK等框架进行模型部署。
• 优化AI模型以实现性能、电源效率和低延迟推理。

课程形式

• 互动讲座和讨论。
• 大量练习和实践。
• 在实时实验室环境中进行动手实施。

课程定制选项

• 要请求对此课程的定制培训，请联系我们安排。

介绍Edge AI和Computer Vision的入门介绍

• Edge AI及其好处概述
• 比较：Cloud AI vs Edge AI
• 实时图像处理中的主要挑战

在边缘设备上部署Deep Learning模型

• 介绍边缘计算硬件（Jetson、Coral、FPGA）和OpenVINO
• 针对边缘部署优化和量化模型
• 案例研究：在边缘设备上运行YOLOv8

实时推理的硬件加速

• 利用GPU和TPU加速
• 基准测试和性能评估
• 边缘计算硬件概述（Jetson、Coral、FPGAs）

实时目标检测和追踪

• 使用YOLO模型实现目标检测
• 实时跟踪移动物体
• 通过传感器融合提高检测精度

Edge AI的优化技术

• 通过修剪和量化减少模型大小
• 降低延迟和功耗的技术
• Edge AI模型的重训和微调

将Edge AI与物联网系统集成

• 在智能摄像头和物联网设备上部署AI模型
• Edge AI和实时决策
• 边缘设备和云系统之间的Communication

Edge AI中的安全性和道德考虑

• 边缘AI应用中的数据隐私问题
• 确保模型对抗攻击的安全性
• 遵守AI法规和道德AI原则

总结和结论