课程介绍：
本课程是关于如何在Raspberry Pi 3上使用Intel Movidius加速深度学习，将AI对象检测模型的速度提高5倍。
了解如何在Raspberry Pi上实现深度学习对象检测模型，并使用Intel Movidius神经计算棒对其进行加速。
当我们刚开始深度学习（特别是计算机视觉）时，我们对这项技术为人们提供帮助的可能性感到非常兴奋。唯一的问题是，图像分类和对象检测在我们昂贵，耗电且笨重的深度学习机器上运行良好。但是，并不是每个人都能为自己的实际应用买得起或实现AI。
这是我们寻求一种负担得起的，紧凑的，耗电少的替代品的时候。通常，如果我们要缩小IoT和自动化项目，我们经常会考虑Raspberry Pi，它是解决许多问题的通用计算解决方案。这使我们思考如何将深度学习模型移植到此紧凑型计算单元中。不仅如此，我们如何能够接近实时地运行它？
在可能的解决方案中，我们将树莓派与英特尔制造的AI Accelerator USB记忆棒结合使用，以提高我们的物体检测帧速率。但是，要启动并运行它并不是那么简单。实施文档后，我们发现了一系列的错误，一个又一个的bug，这变得有些乏味。
在论坛，教程和博客上发表了无数篇文章之后，我们以本课程的形式记录了一个无缝的指南；它将逐步向您展示如何在视频和网络摄像头上实现自己的深度学习对象检测模型，而无需进行所有浪费的调试。因此，从本质上讲，我们已经设计了此培训来减少调试，缩短产品上市时间并更快地获得结果。
在本课程中，您将学到以下几点：
- 开始使用Raspberry Pi即使你是初学者，
- 深度学习基础知识，
- 目标检测模型-每个CNN的优缺点，
- 安装Movidius Neural Compute Stick（NCS）SDK，
- 目前，OpenVINO可用于Raspbian，因此NCS2已经与Raspberry Pi兼容，但本课程主要针对Movidius（NCS版本1）。
- 在录制或实时视频中运行Yolo和Mobilenet SSD对象检测模型
h264, yuv420p, 1280×720 |ENGLISH, aac, 48000 Hz, 2 channels, s16 | 1h 58 mn | 2 GB
Created by: Augmented Startups, Laszlo BenkeHow to Accelerate your AI Object Detection Models 5X faster on a Raspberry Pi 3, using Intel Movidius for Deep Learning
你将学到什么
- 了解如何从零开始与树莓皮
- 发现各种目标检测模型
- 深度学习和Tensorflow lite简介
- 利用movidiusncsdk实现目标检测
要求
- Raspberry Pi 3，电源和外壳
- 英特尔Movidius神经计算棒
- SD卡等级10（UHS等级1或3）
- 网络摄像头
- 有Raspberry Pi 3或深度学习的知识（不需要，但有帮助）
