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 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。
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。
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。
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