機器學習場景測距有一套 監督式學習深度測量就是準(2)

自從機器學習被用來估算場景的深度(Depth)以來,已逐漸採用單目相機(Monocular Camera)來實作,但若考慮到測量的精確度,雙目相機結合監督式學習模型仍然是最佳的選擇。本文將介紹專門測量場景「深度」的監督式學習技術。...
2024 年 01 月 16 日

CNN硬體轉換解封邊緣AI潛力

本系列文章由三部分組成,主要探討卷積神經網路(CNN)的特性和應用。CNN主要用於模式識別和物件分類。本文為系列文章的第三部分,重點解釋如何使用硬體轉換卷積神經網路,並特別介紹使用具有CNN硬體加速器的人工智慧(AI)微控制器在物聯網(IoT)邊緣實現人工智慧應用所帶來的好處。...
2023 年 10 月 13 日

深度訓練提升CNN網路精度

本文是卷積神經網路,機器學習系列文章的第二部分,重點為介紹卷積神經網路(CNN)的特性和應用。CNN主要用於模式識別和物件分類。在第一部分文章中,比較了在微控制器中運作經典線性規劃程式與運作CNN的區別,並展示了CNN的優勢。探討了CIFAR網路,該網路可以對圖像中的貓、房子或自行車等物件進行分類,還可以執行簡單的語音辨識。而本文重點,將解釋如何訓練這些神經網路以解決實際問題。...
2023 年 09 月 29 日

CNN網路建模精確特徵萃取

隨著人工智慧(AI)技術的快速發展,AI可支援越來越多以前無法實現或者難以實現的應用。有鑑於此,本系列文章特別解釋了卷積神經網路(Convolutional Neural Network, CNN)及其對人工智慧和機器學習的意義。CNN是一種能夠從複雜資料中擷取特徵的強大工具,例如識別音訊訊號或圖像訊號中的複雜模式就是其應用之一。本文討論了CNN相對於經典線性規劃的優勢,後續文章《訓練卷積神經網路:解析機器學習—第二部分》將討論如何訓練CNN模型,而第三部分則將討論一個特定用例,並使用專門的AI微控制器對模型進行測試。本文為「CNN相對於經典線性規劃」的一部分。...
2023 年 09 月 06 日

導入卷積神經網路 3D結構光動態感測精準到位

本文先說明3D結構光的邊際圖案的相移函數算法,之後介紹雙卷積神經網路和單卷積神經網路在求解相移函數的應用與功效。
2022 年 04 月 11 日

降低行動裝置即時運算負載 AR同作巧助神經網路推論

在行動裝置上執行神經網路推論時,利用AR同作執行,並選擇適當行動機器學習框架,不但可讓部署過程更容易,同時也可依據目標裝置的差異提升效能。
2021 年 11 月 08 日

專訪耐能智慧創辦人暨執行長劉峻誠 KNEO共享平台劍指Edge AI Net

終端人工智慧(Edge AI)廠商耐能智慧(Kneron)舉辦開發者大會,宣布推出AI共享平台KNEO,透過「Edge AI Net」的概念,能夠將生命賦予終端設備,實現去中心化、離線本地處理、主動智慧等目標。使用者可以將自己開發的AI應用上傳到該平台與其他開發者共享,實踐AI普及的目標。
2020 年 08 月 08 日

實踐AI無處不在 Kneron共享平台KNEO現身

終端人工智慧(Edge AI)廠商耐能智慧(Kneron)舉辦開發者大會,宣布推出AI共享平台KNEO,透過「Edge AI Net」的概念,能夠將生命賦予終端設備,實現去中心化、離線本地處理、主動智慧等目標。使用者可以將自己開發的AI應用上傳到該平台與其他開發者共享,實踐AI普及的目標。...
2020 年 07 月 29 日

AdaSky/意法推出高解析度熱成像汽車鏡頭

意法半導體(ST)和AdaSky宣布一份技術合作協定。根據該協定,AdaSky遠紅外熱成像鏡頭內建其與意法合作設計的客製化晶片。晶片製造採用意法專有的28nm FD-SOI技術。這個被命名為Viper的圖像感測器整體方案是由AdaSky開發,旨在於讓自動駕駛汽車能夠在任何條件下看見並識別道路和周圍環境。...
2018 年 04 月 02 日

CNN專用處理器問世 臉部辨識省電性/精確度大增

人工智慧(AI)做為當今最火紅的議題之一,如今已是全球各大廠商的兵家必爭之地,然多數AI開發者僅聚焦在軟體面,硬體運行效率相對落後,難以應用於行動裝置中。有鑑於此,南韓科學技術院(KAIST)電機系教授Hoi-Jun...
2017 年 06 月 22 日