刀劍神域第二季第一集「解釋擴增實境與現實世界情報量之差異」影片段

元宇宙興起，但早在2014/7/15「刀劍神域第二季GGO第一集」中就已告訴大家擴增實境（或完全潛行）和現實的差異就在情報（感測資訊）量的多寡，當有一天五感都能達到一定輸入量時，那真實和虛擬世界合而為一的日子就不遠了。

 

 影片來源：巴哈姆特，影像版權屬原公司所有，這裡僅供技術說明使用，請勿移作它用。

 

歐尼克斯實境互動工作室部落格及FB成立四週年

從2017/11/8成立至今已滿四年了，又是到了自我檢視的時候了。感謝過去一年間大家的支持，點閱次數已累積327,966次，較去年新增9萬多次，新增貼文30篇，其中有一篇是參加iThome連續30天發文的鐵人賽的總整理，內含31篇貼文。

另外今年上半年在台科大擔任兼任助理教授，有公開所有課程章節簡報35份，所以實際上發文較去年來的多了許多。另外今年受疫情影響，只有12場公開演講（含線上），希望明年能分享更多內容給大家，更希望能和大家面對面一起聊聊。

去(2020)年5月2日，我成立了台灣第一個專門討論小型AI應用、邊緣智能運算相關應用的Facebook社團「Edge AI Taiwan邊緣智能交流區」，至今已有3,385位同好加入，較去年新增了2,231位，每月活躍數約有八成，日活躍數約有三到五成，實在非常感謝。今年更把重點從單板微電腦的AI應用，延伸至MCU等級AI應用的tinyML，希望能有更多同好一起來玩。目前為了維護這個社團每日至少更新一到兩則訊息，也花費不少時間收集資訊，間接也導致寫部落格長文時間減少，實在分身乏術，敬請見諒。

以下幾張貼圖就是過去一年的成果，感謝大家的點閱、按讚，讓我有繼續寫下去的動力，如果覺得部落格或FB社團中的內容還用得上，歡迎多多分享給需要的人，謝謝！

2021年部落格點擊數統計，累計至327,966次

iThome 2021 (13屆) 鐵人賽【arm platforms組】完賽記錄 ─ 爭什麼，把AI和MCU摻在一起做tinyML就對了！

tinyML是一個號稱以電池供電、毫瓦(mW)等級就能執行小型AI應用的新概念，而它正迅速崛起，讓更多邊緣裝置或感測器瞬間變聰明，不再依賴雲端就能實現智慧物聯網(AI+IoT=AIoT)，其中最重要的核心便是單晶片（MCU），而能夠支援tinyML技術且使用最廣的就是Arm Cortex-M系列產品。 透過本次鐵人賽挑戰希望讓大家一口吃下這顆爆漿瀨尿牛丸(tinyML)就能享受牛肉丸(MCU)的鮮美、瀨尿蝦(AI)的甘甜，更讓大家在享受美食時同時了解它如何製作及開發出更適合自己口味的新丸子。 接下來就跟著小弟史蒂芬周一起進入tinyML的世界吧。

[Day 01] 在享受tinyML這道美食之前
[Day 02] 什麼是tinyML?
[Day 03] tinyML開發板介紹
[Day 04] 深度學習與神經網路
[Day 05] tinyML與卷積神經網路(CNN)
[Day 06] tinyML的重要推手Arm Cortex-M MCU
[Day 07] 如何作出一盤好吃的AI專案
[Day 08] tinyML開胃菜Arduino IDE上桌（上）
[Day 09] tinyML開胃菜Arduino IDE上桌（下）
[Day 10] tinyML整合開發平台介紹
[Day 11] 讓tinyML聽見你的呼喚
[Day 12] tinyML開發框架(一)：TensorFlow Lite Micro初體驗(上)
[Day 13] tinyML開發框架(一)：TensorFlow Lite Micro初體驗(下)
[Day 14] tinyML開發框架(二)：Arm CMSIS 簡介
[Day 15] 在Arduino IDE中用Arm CMSIS 牛刀小試一下
[Day 16] TFLM + BLE Sense + MP34DT05 就成了迷你智慧音箱(上)
[Day 17] TFLM + BLE Sense + MP34DT05 就成了迷你智慧音箱(下)
[Day 18] 今晚我想來點tinyML加Arm不加香菜
[Day 19] tinyML開發好幫手─雲端一站式平台Edge Impulse簡介
[Day 20] Edge Impulse + BLE Sense實現喚醒詞辨識(上)
[Day 21] Edge Impulse + BLE Sense實現喚醒詞辨識(中)
[Day 22] Edge Impulse + BLE Sense實現喚醒詞辨識(下)
[Day 23] 讓tinyML感受你的律動
[Day 24] Edge Impulse + BLE Sense實現手勢動作辨識(上)
[Day 25] Edge Impulse + BLE Sense實現手勢動作辨識(下)
[Day 26] [Edge Impulse + BLE Sense也能感受彩色的人生
[Day 27] Edge Impulse + BLE Sense實現影像分類(上)
[Day 28] Edge Impulse + BLE Sense實現影像分類(下)
[Day 29] tinyML應用實例分享
[Day 30] 從此人人都可以是tinyML食神
[Day 31] 番外篇─如何將OV7670 + BLE Sense連到Edge Impulse取像

2021/09/16起至2021/10/15 挑戰連續更新30天，順利完賽！
2021/10/22 補發行[Day 31]

更多iThome 2021年(第13屆)鐵人賽介紹詳見 https://ithelp.ithome.com.tw/2021ironman/event
完整鐵人賽發表文章清單詳見 https://ithelp.ithome.com.tw/users/20141396/ironman/4855

追加註記：2021/12/6 iThome 正式公告得獎作品名單，本作品獲得【arm platforms組】冠軍，感謝大家的支持，才讓這個作品得以完成。

【課程簡報】2021002_中央工學院_Edge AI如何應用於智慧感測及預測

很高興今天(2021/10/02)再次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」，此次課程大致上和2021/5/15的內容相同，但增加了許多新的資訊，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

• AIoT簡介
• Edge AI簡介
• tinyML簡介
• 振動分析與預測

如有任何問題歡迎於下方留言區交流互動。（點擊圖片放大）

當智慧物聯網(AIoT)遇上微型機器學習(tinyML)是否會成為台灣單晶片(MCU)供應鏈下一個新商機！？

 

神說要有光，於是萬物都上網了，物聯網(Internet of Thing, IoT)隨即誕生，新產品如果沒有「IoT+」或「+IoT」就好像跟時代脫了節。接下來人工智慧(Artificial Intelligence, AI)興起，於是星爺說：「爭什麼爭，把兩樣摻在一起做瀨尿蝦牛丸不就得了，笨蛋！」，因此智慧物聯網「AI + IoT = AIoT」就理所當然變成最佳的行銷術語了。不過本來只要把各種感測器(Sensor)偵測到的信號利用超便宜的單晶片微處理器（Single Chip Microprocessor或Micro Control Unit, MCU）（以下簡稱MCU）加上通訊模組就能把資料送上雲端進行儲存及各種智能分析、預測。但隨著雲端通訊、儲存及計算費用的增加，資料隱私及計算結果反應速度的不足，於是大家就把目光重新拉回那個吃苦耐勞又便宜的MCU上，期望在不上網的情況下，在本地端（邊緣）就能完成邊緣智能(以下簡稱Edge AI)的運算，所以微型機器學習基金會（tinyML.org）這個國際組識因運而生，提供大家更多的解決方案。接下來就讓我們來進一步了解AIoT、MCU及tinyML的機會在哪裡，要如何整合才能變成下一個明星產業。

【課程簡報】20210814 Arm DevTalks 2021_Edge AI的最後一哩路：Embedded ML

很高興第一次和Arm合作推廣Edge AI (Embedded ML) 這個議題，很感謝MakerPRO和Arm的熱情邀約，讓我有機會在「Arm DevTalks 2021」中分享「Edge AI的最後一哩路：Embedded ML」這個主題。此次受限時間，所以簡報重點會放在嵌入式單晶片(MCU)上，至於系統級晶片(SoC)或說單板微電腦部份就暫時略過。此次簡報主要大綱如下：

• 邊緣智能Edge AI簡介 
• Embedded ML & tinyML
• 嵌入式智能常見應用
• 常見開發板及規格比較
• 開發流程及工具平台
• 案例展示─Edge Impulse 手勢辨識
  
• 機會與挑戰
• 學習資源
  

本簡報所有引用連結請參考：【tinyML】學習資源整理 https://omnixri.blogspot.com/2021/08/tinyml.html

（點擊圖片放大）

【tinyML】學習資源整理

 

tinyML基金會贊助商（點撃圖放大）

微型機器學習（tinyML)被廣泛定義為一個快速發展的機器學習技術和應用領域，包括硬件、算法和應用軟體，能夠以極低的功耗執行設備上的傳感器數據分析，通常在 mW 範圍及以下，從而實現各種常時在線(Always On)的用例和針對電池供電的設備。

更多資訊可參考【tinyML基金會】官方網站。

為了方便大家查找（其實是我記不住啦），這裡整理了關於tinyML的相關資訊，歡迎多加利用。

• 【相關開發板】
• 【開發工具平台】
• 【教學影片】
• 【教學網站】
• 【相關文章】
• 【範例展示】
• 【相關公司】
• 【相關論文】
  
• 【其它】

【Intel OpenVINO™教學】佈署AI從此不再為性價比頭疼─Intel DevCloud讓你試了再買

歐尼克斯實境互動工作室　許哲豪　2021/07/01

俗話說「男怕入錯行，女怕嫁錯郎」，從這句話可看出，大家對於要投入大量時間、精力及金錢的場景通常都會考慮再三，尤其有「選擇困難症」的朋友就更是要失眠好幾天還不一定能有最終的決定。為了減輕「選擇困難症」帶來的麻煩，「免費試用」就變成一個賣家和買家雙贏的作法。小到我們常去的大賣場有很多試吃、試用的體驗，大到婚宴、旅遊業這類高單價、一次性活動也開始提供虛擬實境(Virtual Reality, VR)服務，讓你先體驗一下花錢及享受的快感，就能更清楚及勇敢地把錢花在刀口上。

那對於「人工智慧(Artificial Intelligence, AI)」這樣要花大錢且有著很高不確定成果效益的領域，難道要花一堆錢買一堆設備來佈署測試，沒有「先試再買」的服務嗎？Intel 聽到大家的期望了，所以推出了免費雲端開發平台「Intel DevCloud for the Edge」[1]（以下簡稱DevCloud）這項服務，讓大家不只能夠在上面使用預載的「Intel OpenVINO Toolkit」[2]（以下簡稱OpenVINO）進行AI推論程式開發及測試，還有一堆不同排列組合的硬體（如CPU, iGPU, VPU, FPGA等）可以協助評估佈署後效能，讓使用者可更精準地採購所需設備，才不會發生殺雞卻用了火箭筒超規格的窘境。

接下來就讓我們從「DevCloud系統架構及工作流程」、「支援環境及硬體」、「系統安裝」、「開發者主頁面及範例集」、「檔案管理介面」、「程式運行介面」、「直接運行方式」及「派工運行及佈署評估」等幾個方面來深入了解一下這項免費工具究竟如何幫助我們以最好的性價比來開發及佈署。

【課程簡報】Edge AI社聚#7-機器視覺xAI的新應用與技術挑戰

很高興今天(2021/7/15)受MakerPro & Intel邀約在「Edge AI社聚#7」和大家分享「機器視覺 x AI的新應用與技術挑戰」這個主題，本次重點會放在「智慧製造」中的機器視覺相關應用，簡報大綱如下所示=, 如有任何問題，歡迎下方交流區留言討論。

• 機器視覺簡介
• 系統架構
• 建置類型
• 傳統 MV AOI vs. 現代 AI CV
• 基本定義
• 常見應用
• 開源工具及範例
• OpenCV
• Intel OpenVINO & DevCloud
• 未來挑戰及展望
  

 （點擊圖片放大）

如何以Google Colab及Yolov4-tiny來訓練自定義資料集─以狗臉、貓臉、人臉偵測為例

之前曾寫過「使用Google Colaboratory免費資源學AI，正是時候！ [A]」、「如何以YOLOv3訓練自己的資料集─以小蕃茄為例 [B]」獲得許多點閱及迴響，但隨著AI工具及版本不斷演進，導致這些範例已有部份無法順利運作。為了讓新手入坑能快速體驗自定義資料集的「物件偵測」智能應用，且不用頭疼開發環境建置及硬體算力，於是重新寫了這篇文章分享給大家。

在這個範例中將採用雲端、免費的Google Colab CPU+GPU運算資源及內建的Jupyter Notebook加上Python開發環境，搭配最常見的Darknet及Yolov4-tiny物件偵測框架，來完成自定義物件的模型訓練及物件偵測的推論。本文將著重在實作，而略過算法的原理說明，有興趣深入了解的朋友請自行參閱[1]。接下來就從【資料集建置與標註】、【Darknet安裝與Yolov4-tiny測試】、【自定義資料集訓練】、【訓練及推論實驗結果】依序為大家作進一步說明，完整範例程式請參考下方連結。

https://github.com/OmniXRI/Yolov4-tiny_Colab_User_Datasets

【課程簡報】20210515_中央工學院_Edge AI如何應用於智慧感測及預測

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

• AIoT簡介
• Edge AI簡介
• tinyML簡介
• 振動分析與預測

如有任何問題歡迎於下方留言區交流互動。（點擊圖片放大）