2028年12月31日 星期日

【頂置】簡報、源碼、系列文快速連結區

常有人反應用手機瀏覽本部落格時常要捲很多頁才能找到系列發文、開源專案、課程及活動簡報,為了方便大家快速查詢,特整理連結如下,敬請參考!


Edge AI Taiwan 邊緣智能交流區


【課程及活動簡報】>>


【開源碼專區】>>


【系列發文專區】>>


【學習資源分享】>>


2020年9月20日 星期日

【AI HUB專欄】如何利用可視化工具揭開神經網路背後的祕密(下)


圖/文 歐尼克斯實境互動工作室 許哲豪 2020/9/10

卷積神經網路(Convolutional Neural Network, CNN) 在人工智慧中的影像分類、物件偵測等項目的優異表現已是眾所皆知了,但其背後複雜的模型(網路)結構及龐大參數量(權重值)究竟提供何種作用,一直都令人費解,無人不想了解這個神祕的黑箱。在上一期「如何利用可視化工具揭開神經網路背後的祕密(上)」[1]中已幫大家介紹了分層特徵圖(Layer Feature Maps)敏感度分析(Sensitivity Analysis, SA)有向非循環圖 (Directed Acyclic Graph, DAG)反卷積網路(Deconvolution Network, DeconvNet)等四種可視化工具。這一期要接著為大家介紹CAM家族的四大常見可視化工具,包括:

  • 類別活化映射(Class Activation Mapping, CAM)
  • 梯度加權類別活化映射(Gradient-weighted CAM, Gard-CAM)
  • 梯度加權類別活化映射改良(Grad-CAM++)
  • 分數加權類別活化映射(Score-CAM)


Fig. 1 常見卷積神經網路LeNet-5架構。(Sep. 2020 OmniXRI整理繪製)(點擊圖放大)

2020年9月10日 星期四

如何在Google Colab上安裝執行Intel OpenVINO的範例


 

各位有在玩Intel OpenVINO的人都知道,這項開源推論工具可支援多種作業系統(Windows, Linux, Raspbian, Docker...)、程式語言(C++, Python...)及不同硬體(Intel's CPU, GPU, VPU, FPGA...),加上很多預訓練好的模型,可以很方便測試人工智慧經常遇到的應用情境。

最常見的用法就是直接在電腦或樹莓派USB埠插上一組Intel神經運算棒(NCS2, VPU)來練習。但如果遇到要教學或臨時要測試時,不容易找到多台裝好OpenVINO的主機或是沒有足夠數量的神經運算棒時,就會變得很不方便。

玩AI的人都知道,Google有佛心的提供免費虛擬主機加上GPU及TPU運算資源給大家,稱為Colab。這個工具不僅幫我們把Jupyter Notebook環境架好,連基本的TensorFlow, OpenCV等常用的工具包都已建置完成,很方便直接進行深度學習的模型開發、測試、訓練及推論。

之前Colab這項免費資源並沒有和Intel OpenVINO有太多連結。最近剛好看到INTEL釋出的一個範例,馬上吸引到我的目光,因為它完美解決了這個問題,直接用Colab虛擬機上的Intel CPU (二顆Xeon)來執行OpenVINO。於是馬上動手測試一下並整理出三個基本範例給大家參考。

2020年9月7日 星期一

【AI HUB專欄】如何利用可視化工具揭開神經網路背後的祕密(上)

圖/文 歐尼克斯實境互動工作室 許哲豪 2020/8/27

2012年Alex Krizhevsky和其指導教授知名圖靈獎得主Geoffrey Everest Hinton以「AlexNet」卷積神經網路(Convolution Neural Network, CNN)贏得大規模視覺辨識挑戰賽(ImagNet Large Scale Visual Recognition Competition, ILSVR),並以低於第二名10%以上的錯誤率受到極大矚目,從此打開人工智慧及「深度學習」的新紀元。雖然CNN利用多層卷積(Convolution)、池化(Pooling)層及扁平化(Flatten)、全連結(Full Connected)構成的模型(神經網路)有著極佳地分類能力,但沒有人可以理解其背後意義,不像傳統機器學習技術中的決策樹(Decision Tree, DT)或支援向量機(Support Vector Machine, SVM)有著清楚的特徵及物理意義。

2020年9月5日 星期六

【課程簡報】20200905_TCN南投創客基地_如何在樹莓派上用Python玩轉開源電腦視覺工具OpenCV (下篇)

 很高興今天(2020/9/5)受邀到「青年職涯發展中心暨TCN創客基地南投服務據點」分享「如何在樹莓派上用Python玩轉開源電腦視覺工具OpenCV 」。此次屬於實作型課程,時間較長共四小時,所以分成上、下午進行,簡報部份也分為上、下兩篇。主要大綱如下:(點擊圖片放大)

*OpenCV簡介及安裝介紹(1小時)
  發展歷史、主要元件、安裝介紹、基本影像存取
*彩色影像處理簡介(1小時)
  數位影像原理、灰階影像處理、彩色影像轉換、色彩提取

上篇連結:https://omnixri.blogspot.com/2020/09/20200905tcnpythonopencv.html


*數位影像濾波及繪圖(1小時)
  邊緣偵測、影像平滑/強化、影像縮放、繪圖函數
*整合範例(1小時)
  人臉偵測、I/O訊號處理、圖文標示、影像裁切

下篇連結: https://omnixri.blogspot.com/2020/09/20200905tcnpythonopencv_5.html

 

 另外提供練習用的範例程式,可至下列網址下載:

https://gitlab.com/omnixri/tcn20200905

 


【課程簡報】20200905_TCN南投創客基地_如何在樹莓派上用Python玩轉開源電腦視覺工具OpenCV (上篇)

 很高興今天(2020/9/5)受邀到「青年職涯發展中心暨TCN創客基地南投服務據點」分享「如何在樹莓派上用Python玩轉開源電腦視覺工具OpenCV 」。此次屬於實作型課程,時間較長共四小時,所以分成上、下午進行,簡報部份也分為上、下兩篇。主要大綱如下:(點擊圖片放大)

*OpenCV簡介及安裝介紹(1小時)
  發展歷史、主要元件、安裝介紹、基本影像存取
*彩色影像處理簡介(1小時)
  數位影像原理、灰階影像處理、彩色影像轉換、色彩提取

上篇連結:https://omnixri.blogspot.com/2020/09/20200905tcnpythonopencv.html


*數位影像濾波及繪圖(1小時)
  邊緣偵測、影像平滑/強化、影像縮放、繪圖函數
*整合範例(1小時)
  人臉偵測、I/O訊號處理、圖文標示、影像裁切

下篇連結: https://omnixri.blogspot.com/2020/09/20200905tcnpythonopencv_5.html

 

 另外提供練習用的範例程式,可至下列網址下載:

https://gitlab.com/omnixri/tcn20200905

 


2020年8月22日 星期六

【AI HUB專欄】如何應用高維資料可視化一眼看穿你的資料集

 
圖/文 歐尼克斯實境互動工作室 許哲豪 2020/8/13

在大數據及人工智慧時代中,人人都知道要有巨量資料才能用來學分析、提取或學習到有效資訊,但你真的知道你的資料集中隱藏著什麼關聯及祕密嗎?比方說統計每個人的身高、體重(二維資料)即可很容易透過二維圖表找出較大的群聚(Cluster)組合,進而用來開發出適合不同族群所需的服飾或相關產品。但當資料維度超過三維時,就很難用可視化圖形表示,這也意味著人們更難直覺地了解巨量資料之間的分佈結構及關連。而這個問題在影像資料上就更為嚴重,以一張100x100灰階影像資料為例,其資料維度就高達一萬維,更不要說高解析彩色照片動輒數百萬到數千萬維。若再加上巨量資料在超高維空間中分佈超稀疏的問題,難以用傳統方式聚類,因此這樣的困境常被稱為「維度災難(Curse of Dimensionality或稱維度詛咒)」[1]。

2020年8月17日 星期一

【課程簡報】20200817_國資圖_由人工智慧看台灣產業大未來暨如何引領圖書館邁向智慧新世代

很高興今天(2020/8/17)受邀到台中國立公共資訊圖書館演講,分享主題為「由人工智慧看台灣產業大未來暨如何引領圖書館邁向智慧新世代」。此次主要分成二個部份,第一部份是介紹AI相關知識及產業,第二部份則介紹未來智慧圖書館如何應用這些AI技術。課程大綱如下所示。

人工智慧與台灣產業

發展歷史、組成要素、主要分類(工作流程)、應用情境(電腦視覺、自然語言、數據分析)、產業發展(醫療、教育、家庭、生活、城市、交通、建築、金融、農業、製造、行銷、零售)、未來趨勢(人工/工人智慧?、未來趨勢)

未來智慧圖書館

圖書館歷史與發展(圖書館演進、影音/文字共享、智慧圖書館)、影像式AI虛擬助理、自然語言智慧檢索、智慧書單推薦系統、機器人維運及互動、未來發展與新趨勢(虛/實?、閱讀/視讀?、書籍/資料集?)

(點擊圖放大)

2020年8月3日 星期一

【AI HUB專欄】生成對抗網路不只能變臉也能成為異常偵測好幫手


圖/文 歐尼克斯實境互動工作室 許哲豪 2020/7/23

「人工智慧」無中生有的本事是眾所皆知,從早期的自動生成一張超逼真卻不存在世上的人臉,到可隨意替換影像中人臉的Deep Fake,及每隔一陣子就造成社群洗板的變臉濾鏡APP,讓人可任意變成兒童、老人、男(女)生甚至是卡通人物,皆是人工智慧的傑作。除此之外,人工智慧還可學習某些畫作的風格,再套用至一般影像中創作出類似風格的畫作,或者是將早期模糊不清或破損的影像進行修復,包括填補、上色及提高解析度。而「人臉生成」、「風格遷移」及「圖像修復」這些應用(如Fig. 1下圖所示)背後都有一項重要技術,那就是「生成對抗網路(Generative Adversarial Network, GAN)」。

2020年8月1日 星期六

【課程簡報】20200801_南開科大_如何應用電腦視覺及人工智慧進行百香果智能分級(3/4)

很高興今天(2020/8/1)受南開科技大學林正敏副校長邀約至南投768藝術空間和Nantou.py的伙伴們一起分享「如何應用電腦視覺及人工智慧進行百香果智能分級」這項主題。本次課程時間較長共計三個小時,所以分成三個主題,另外將相關論文連結獨立成一頁,希望有興趣的朋友可以多多參考,完整簡報內容及連結如下所示。(點擊圖片放大)





【課程簡報】20200801_南開科大_如何應用電腦視覺及人工智慧進行百香果智能分級(2/4)

很高興今天(2020/8/1)受南開科技大學林正敏副校長邀約至南投768藝術空間和Nantou.py的伙伴們一起分享「如何應用電腦視覺及人工智慧進行百香果智能分級」這項主題。本次課程時間較長共計三個小時,所以分成三個主題,另外將相關論文連結獨立成一頁,希望有興趣的朋友可以多多參考,完整簡報內容及連結如下所示。(點擊圖片放大)





【頂置】簡報、源碼、系列文快速連結區

常有人反應用手機瀏覽本部落格時常要捲很多頁才能找到系列發文、開源專案、課程及活動簡報,為了方便大家快速查詢,特整理連結如下,敬請參考! Edge AI Taiwan 邊緣智能交流區 【課程及活動簡報】>> 【開源碼專區】>> 【系...