• 客服專區
  • 登入
  • 註冊
焦點產業

events近期活動

      keyword關鍵議題

      expert熱門專家

        POP REPORT熱門文章

        i卡會員

        歡迎免費加入,享有多項免費權益!

        >

        PRESENTATIONS主題推薦

        即時物件識別演算法發展現況與應用效益
        Real-time Object Recognition Algorithm Development Status and Application Benefits
        • 2021/06/28
        • 392
        • 45

        物件識別是人工智慧技術應用於電腦視覺的重要領域,發展至今已有可超越人類準確度的影像辨識能力。由於Edge AI相關的新興應用需求驅動,在卷積神經網路 (CNN) 模型的基礎上,發展出了分析速度可提高千倍的即時物件識別演算法,著名的YOLO即是其中之一。我國學研重鎮中研院於2020年與俄羅斯專家共同發表YOLOv4,成為當前最快最準的即時物件識別演算法並且廣為全球開發者採用。此演算法適用於快速識別一張影像中的大量物件,在交通、製造、安全監控、體育競賽方面皆有應用機會。以現況而言,即時物件識別演算法的準確度仍偏低,但在必須兼顧速度的前提下,提升準確度異常困難,建議AI廠商和學研機構後續可持續研究尋求突破。

        【內容大綱】

        • 一、AI物件識別簡介
          • (一)AI物件識別概念
          • (二)AI物件識別類型
          • (三)AI物件識別應用
        • 二、模型分析即時性提升遭遇瓶頸
          • (一)演算法運算方式限制
          • (二)深層學習模型回饋資訊遞減
        • 三、即時物件識別演算法YOLO
          • (一)將物件分類與辨識一次完成
          • (二)台灣學研單位參與研發第四代演算法
        • 四、即時物件識別演算法應用效益
          • (一)可視使用者需求選擇模型偏好
          • (二)更符合Edge AI解決方案需求
        • IEKView
         

        【圖表大綱】

        • 圖一、AI物件識別常見應用
        • 圖二、AI物件識別分析流程
        • 圖三、CNN模型學習資訊反饋示意
        • 圖四、YOLO演算法官網首頁
        • 表一、YOLOv4與YOLOv3差異比較

        推薦閱讀