openvino

Kerangka kerja terpadu untuk membangun pipeline RAG perusahaan dengan model kecil yang terspesialisasi

OpenVINO™ adalah toolkit open source untuk mengoptimalkan dan menerapkan inferensi AI.

YOLOX adalah YOLO anchor-free berkinerja tinggi, melampaui yolov3~v5 dengan dukungan MegEngine, ONNX, TensorRT, ncnn, dan OpenVINO. Dokumentasi: https://yolox.readthedocs.io/

Toolkit OCR luar biasa untuk berbagai bahasa pemrograman berbasis ONNX Runtime, OpenVINO, MNN, PaddlePaddle, TensorRT, dan PyTorch.

Paket Go untuk visi komputer menggunakan OpenCV 4 dan seterusnya. Termasuk dukungan untuk DNN, CUDA, OpenCV Contrib, dan OpenVINO.

NanoDet-Plus⚡Model deteksi objek anchor-free yang super cepat dan ringan. 🔥Hanya 980 KB (int8) / 1.8MB (fp16) dan berjalan pada 97FPS di ponsel🔥

Pustaka deteksi anomali yang mencakup algoritma mutakhir dan fitur seperti manajemen eksperimen, optimasi hyper-parameter, dan inferensi edge.

TNN: dikembangkan oleh Tencent Youtu Lab dan Guangying Lab, kerangka kerja inferensi deep learning yang seragam untuk perangkat seluler, desktop, dan server. TNN menonjol karena fitur-fitur unggulannya, termasuk kemampuan lintas platform, performa tinggi, kompresi model, dan pemangkasan kode. Berbasis pada ncnn dan Rapidnet, TNN semakin memperkuat dukungan dan optimasi performa untuk perangkat seluler.

Repositori untuk menyimpan model yang telah dikonversi antar berbagai kerangka kerja. Kerangka kerja yang didukung meliputi TensorFlow, PyTorch, ONNX, OpenVINO, TFJS, TFTRT, TensorFlowLite (Float32/16/INT8), EdgeTPU, dan CoreML.

Model Deep Learning yang telah dilatih sebelumnya dan demo (berkualitas tinggi dan sangat cepat).

Implementasi hampir real-time dari Whisper OpenAI.

📚 Tutorial Jupyter notebook untuk OpenVINO™.

Framework Penyebaran Model OpenMMLab

Estimasi pose manusia yang cepat dan akurat di PyTorch. Berisi implementasi makalah "Real-time 2D Multi-Person Pose Estimation on CPU: Lightweight OpenPose".

Stable diffusion cepat pada CPU dan AI PC

Kerangka kerja penyebaran AI yang mudah digunakan dan berkinerja tinggi | An Easy-to-Use and High-Performance AI Deployment Framework

Menambahkan bisenetv2. Implementasi BiSeNet milik saya

Bangun model computer vision dalam waktu yang jauh lebih singkat dan dengan lebih sedikit data.

Kerangka Kerja Kompresi Jaringan Syaraf untuk inferensi OpenVINO™ yang ditingkatkan

Server inferensi yang dapat diskalakan untuk model yang dioptimalkan dengan OpenVINO™

Implementasi ANPR / ALPR tercepat di dunia untuk CPU, GPU, VPU, dan NPU menggunakan deep learning (Tensorflow, Tensorflow lite, TensorRT, OpenVX, OpenVINO). Mendukung berbagai set karakter (Latin, Korea, Mandarin), berbagai OS (Jetson, Android, Raspberry Pi, Linux, Windows), dan berbagai arsitektur (ARM, x86).

Deep Learning Streamer (DL Streamer) Pipeline Framework adalah kerangka kerja analitik media streaming sumber terbuka, berbasis kerangka kerja multimedia GStreamer*, untuk membuat pipeline analitik media yang kompleks untuk Cloud atau Edge.

🤗 Optimum Intel: Percepat inferensi dengan alat optimasi Intel