很高興今天(2021/5/15)受到中央大學土木工程系林子軒老師邀約，在【設計思考與智慧物聯網應用】這門課程和同學們分享「Edge AI如何應用於智慧感測及預測」，此次修課同學包括有土木、太空、企管、經濟、資工、資管、機械和歷史系，大多都不具寫程式背景，所以此次儘量使用較淺顯的方式來說明AIoT及Edge AI相關應用，希望能幫助同學有更深一層的認識。
此次課程主要分為四部份，包括
如有任何問題歡迎於下方留言區交流互動。（點擊圖片放大）
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「看見新世界─OpenCV彩色影像處理」，此次主要分享重點如下。
完整課程範例：https://github.com/OmniXRI/tnu_opencv
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。
（點擊圖放大）
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。
完整課程範例：https://github.com/OmniXRI/tnu_opencv
（點擊圖片放大）
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）
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。
很高興今日(2021/2/25)受邀在「Edge AI 社聚」和大家分享關於邊緣智能上人臉辨識相關技術。此次從傳統算法介紹到目前人工智慧算法，並分別解釋相關辨識基準，主要包括下列項目，希望能幫助大家能快速進入「人臉辨識」這個領域
（以下圖點擊後放大）
隨著人工智慧興起，利用「深度學習」技術來進行電腦視覺工作已是很普遍的應用，如影像分類、物件偵測等。通常只需將單張影像送入訓練好的模型中進行推論即可得到輸出結果，但當遇到視訊檔案或串流影片時，逐格(by Frame)影像分析就變得很沒效率，因為影格間時間差距過短（通常為1/30 ~ 1/60秒），場景中的物件位移量（變形量）可能過小，導致影格間得到幾乎相同的計算結果（物件位置、尺寸及分類），浪費計算資源，也讓系統看起來反應過慢。
為了使視訊檔案及串流影片在分析上能加快反應，Intel OpenVINO Toolkit（以下簡稱OpenVINO）整合了GStreamer、OpenCV並提供DL Streamer - GStreamer Video Analytics (GVA) Plugin，讓使用者可以更彈性的設定，使其在影片（連續影像）分析上更具效率。接下來就幫大家介紹「什麼是串流影片？什麼是GStreamer？」、「如何安裝OpenVINO DL Streamer環境」、「串流影片分析及優化流程」，最後再以一個即時追蹤車輛、行人的範例來介紹如何使用命令列操作，希望能幫大家對DL Streamer有更多認識。
在上一篇[1]已初步介紹如何安裝Raspberry Pi Pico (以下簡稱Pi Pico) MicroPython開發環境及基本數位輸出入(GPIO)、類比輸出入(ADC, PWM)用法。這一次就介紹如何自己寫一個OLED的驅動程式做為後續文字及圖形內容(GUI)顯示的介面。實驗用電路如Fig. 1所示。
 |
| Fig. 1 Pi Pico測試用電路板接線圖。(OmniXRI Feb. 2021設計/繪圖）(點擊圖放大) |
大家會好奇為什麼要自己寫OLED驅動程式呢？因為目前Pi Pico不像Arduino，IDE就自帶各種I2C, SPI, UART, 8080介面的溫控、光電、運動、顯示等各種模組驅動程式及範例。而這些模組的供應商目前雖然有提供MicroPython驅動程式，但可能只有支援到Pyboard, ESP8266, ESP32, WiPy等這些常用的開發板，並不保證所有的驅動程式都能被Pi Pico直接使用。相信不久的將來這些模組供應商會很快提供相對應的驅動程式，所以想要用這些模組的朋友只能自己動手解決了。
在星爺電影食神中，唐牛說：「瀨尿牛丸彈性十足，還可用來打乓乒球，好玩又有噱頭！我都忍不住買了一碗！」，我想這正是我手上拿著Raspberry Pi Pico（以下簡稱Pi Pico）的心情，怎麼能不跟一波風潮呢。（ps.天竺鼠車車表示不服）
Pi Pico是一款有Arm Cortex-M0雙核心(133MHz)、264KB SRAM及2MB Flash的一款單晶片(MCU)，關於規格介紹的文章已充斥網上了，這裡就不多說明了，可以參考一下官網說明[1]或者陸向陽大大的文章[2]。
為了能快點試試這小傢伙究竟有多好玩，趁著周末無聊，就順手焊了一塊板子方便測試，其中包括了兩個輸出的LED（可數位或類比輸出）、兩個按鍵輸入，一個半可變電阻可調的類比輸入，最後再搭上一塊I2C介面的OLED顯示器，電路接線圖如Fig. 1所示，實體照片如Fig. 2所示。（ps. 不要問我為什麼不用麵包板，因為我喜歡享受焊板子的手感）
 |
| Fig. 1 Pi Pico測試用電路板接線圖。(OmniXRI Feb. 2021設計/繪圖）(點擊圖放大) |
 |
| Fig. 2 Pi Pico測試用電路板實體照片。(OmniXRI Feb. 2021設計/製作）(點擊圖放大) |
