【課程簡報】Edge AI研究會#01_Edge AI影像辨識技術發展觀察

很高興今天(2021/03/26)和大家一起分享關於「Edge AI影像辨識技術發展觀察」這個主題，並且和大家有深度交流，面對面討論了許多問題。

此次重點放在Edge AI的技術發展及影像辨識相關問題，大綱如下。

• Edge AI 技術發展
• 算法優化
• 算力提升
• 資料標註
• 領域知識
• Edge AI影像辨識
• 離網推論
• 巨量連網
• 即時反應
• 開發部署

 （點擊圖放大）

【課程簡報】20210326_東南資科_創新應用實務02_OpenCV初體驗

很高興今天受東南科技大學資訊科技系謝昌勳老師邀約擔任業師，和同學們分享「走進電腦視覺─OpenCV初體驗」，此次主要分享重點如下。

• 線上Python開發環境
• Google Colab
• Jupyter Notebook
• 開源電腦視覺OpenCV
• OpenCV簡介
• 基本功能操作
• 數位影像原理
• 灰階影像處理
• 範例程式練習 

完整課程範例：https://github.com/OmniXRI/tnu_opencv

（點擊圖片放大）

【課程簡報】20210319_東南資科_創新應用實務01_Github建站

很高興今天受東南科技大學資訊科技系謝昌勳老師邀約擔任業師，和同學們分享創新應用實務相關實務經驗，此次主要分享重點如下。

資訊創新應用開發
　　創意與發想
　　實作與驗證
GitHub
　　何謂 GitHub
　　如何建立靜態網站
Markdown
　　基本語法
　　進階語法

（點擊圖片放大）

【Intel OpenVINO™教學】不用寫程式也能輕鬆上手AI模型分析、優化、佈署─DL Workbench圖形化介面工具簡介

有看過或玩過「神奇寶貝（寶可夢）」的朋友都知道，訓練家們要依怪獸的屬性（火系、草系、電系等）給予適當的培訓，再挑選合適的對象及不斷的對戰磨煉才能有好的戰鬥表現。同樣地，AI模型訓練師也是如此，依據不同的應用場景（影像分類、物件偵測、影像分割等），挑選適合在指定的硬體（CPU, GPU, VPU, FPGA等）上推論的模型，並反覆調整合適的超參數，如此才能有好的成果。

由於這樣的調參工作需要耗費大量的時間及精力才能完成，傳統上只靠一堆數字報表來分析調整方向，所以非常仰賴專業工程師的能力才能完成。因此Intel OpenVINO Toolkit（以下簡稱OpenVINO）在2019 R3版之後提供了一項非常方便的網頁式圖形化介面工具「DL Workbench」(Deep Learning Works Benchmark)，讓不會寫程式、非專業的工程師也能輕易上手進行模型選用、下載、校正、參數調整、效能比較、瓶頸分析、優化及打包佈署到目標硬體平台上。

接下來就從「如何安裝DL Workbench」、「DL Workbench工作流程」作簡單說明，最後再以「實際案例操作：SSD物件偵測」完整說明AI模型的分析、優化及佈署的步驟。