top of page

肉眼看太累了,讓 AI 幫您


時至今日,伴隨著硬體研發技術不斷進步,發展出人工智慧,許多人也陸續應用人工智慧深度學習的方法融入到物件辨識中,逐步提升物件辨識的成效與速度,許多與深度學習相關的專案應用也陸續展開。但在執行專案前,必須對深度學習具有一定程度了解,才能為專案打下良好的基礎。本文將簡扼說明模型是如何辨識出圖像?同時也將介紹近年十分熱門的YOLO演算法。


什麼是YOLO演算法

YOLO
YOLO

YOLO 原為 You Only Live Once 的縮寫,意指「活在當下」,是一句曾經火紅的俚語。而 YOLO 演算法的作者則參考此意思,以 You Only Look Once 來命名此代表屬於物件偵測 (對象檢測) 的類神經網路演算法。物件偵測是屬於電腦視覺中比較簡單的任務,可以在一張圖片中找到某些特定的物體,不僅能夠識別出物體的種類,更能標示出物體的位置。


在 YOLO 的核心想法上,會將任何大小的輸入照片透過卷積層(convolutional layers)、堆疊以及殘差網路(residual net)擷取特徵,概念上如同切割成 SxS 的網格,並讓每一個網格預測三種資訊,分別是標記框的位移量(中心點 x, y 座標、標記框的寬高 w, h)、標記框的信心指數(是否存在標記框)以及屬於各個類別的機率,接著透過 IoU 或其變形的指標(GIoU、DIoU、CIouU)與正確答案比較,藉此調整訓練過程以產生更精準的標記框。


YOLO
YOLO,圖片來源:https://www.researchgate.net/figure/The-detection-pipeline-of-YOLO-the-input-image-is-divided-into-a-S-x-S-grid-where-the_fig3_333360405

物件偵測應用

隨著人工智慧技術的進步,生活周遭已經逐漸可以看到許多人工智慧的應用,例如後疫情時代下,檢查人們是否有配戴口罩;或像是物體瑕疵檢測,舉凡道路坑洞、外牆及橋墩裂縫等;以及其他領域如交通流量分析、醫療影像分析、生物影像分析、工安影像分析等,都能採用物件偵測技術,協助我們快速影像辨識。


YOLO for road

分析應用價值,提供更高品質的服務

由於 YOLO 的技術是開放的,各式各樣的應用也如雨後春筍般快速出現。如在製造業上可以偵測出有異常的產品、在農業上可以偵測出水稻的位置,進而估算出收穫量、在當今疫情下可以偵測出人臉,並搭配熱影像溫度偵測來判斷進出人員有無發燒、在智慧交通上可以偵測出車輛或行人的流量,進而控制紅綠燈的秒數,讓交通更有效率。


YOLO
路口辨識應用

隨著半導體及電子技術的發展,未來自駕車將會越來越普及,其中物件偵測更是自駕車最重要的 AI 技術之一,能愈快分辨出道路上更多種物件,自駕車就能更即時採取適當的因應方式,需要減速、急煞、小迴轉或加速通過等,都得在百分之一秒,甚至是更短時間內辨識完成。

 

影像處理、數據轉換,DataXquad 一站滿足所有需求!

綜合以上所述,可見在人工智慧的幫助下,影像可以蛻變成更有價值的情報,這便是數據轉換的精隨所在,不知道您的產業是否能夠應用數據轉換嗎?就找 DataXquad 吧!


我們致力於打造一個更簡單可及的數據轉換生態,以線上服務平台、按量計價、AI 自動化以及數據管道優化等關鍵特點,在提供您更高品質的影像成果外,還能幫您省荷包




Comments


Commenting has been turned off.
bottom of page