網頁

2020年9月29日 星期二

【課程簡報】Intel人工智慧運算 #1─快速掌握機器手臂視覺辨識技術

很高興這次能和Intel & Sertek & MakerPro共同合作擔任「Intel人工智慧運算」線上系列課程講師,本次主題為「快速掌握機器手臂視覺辨識技術」,共有三小段課程,包括:

  1. 【Overview】Intel OpenVINO及RealSense的定位與特色 盧育德(Collins Lu)
  2. 【Tech Review】OpenVINO x 機器手臂視覺辨識技術 許哲豪(Jack Hsu)
  3. 【Use Case Demo】工廠產線的機器手臂視覺應用 顏清輝(Gray Yan)

 


這是一項免費課程,只要上網完成註冊及報名就能觀看完整教學影片,完整課程連結 : https://makerpro.cc/learning/

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, Grad-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