[更新] 材料可在此处找到： 简介、 部署工具、 OpenCV DNN 模块
组织者
Alexander Bovyrin（算法创新主管，高级 PE，英特尔）
Yury Gorbachev（计算机视觉 SDK 首席架构师，PE，英特尔）
Vadim Pisarevsky（OpenCV 开发主管，PE，英特尔）
时间： 13:30-17:30（半天 - 下午）
描述
基于深度学习的算法是非常需要资源并且计算密集型的任务。每当算法准备投入生产时，部署工具的选择都是一个重要的选择。在实践中，工具的选择不仅会影响速度，还会影响最终解决方案的质量。因此，在算法选择阶段了解目标平台和支持工具的功能至关重要。
本教程将介绍英特尔用于深度学习部署的工具（深度学习推理引擎和 OpenCV DNN 模块），并将涵盖以下重要主题
- 深度学习部署工具的架构；
- DL 部署的跨平台可移植性；
- 最重要的功能（拓扑结构特定的优化、动态批处理、支持不同精度级别、推理引擎集成到 OpenCV 中）；
- CV SDK 模型库概述；
- 计划的功能。
教程还将引导参与者完成算法设计（拓扑结构选择和质量评估）和移植到英特尔 DL 部署工具的工作流程的实际示例。将提供最终解决方案的性能数据以及与其他深度学习解决方案的比较。
议程
| 13:30 – 14:30 | 英特尔深度学习部署工具的架构。DL 部署的跨平台可移植性 |
| 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 模型库 |
| 17:15 – 17:30 | 深度网络优化中的研发概述 |
