很高興今天受到嘉義市政府邀約擔任「智造咖─交流會#05」的講師，和大家分享、科普一下最近最熱門的話題「元宇宙與邊緣智慧裝置」。此次分享主要有三個重點「元宇宙」、「實境互動」和「邊緣智慧裝置」。簡報大綱可參考下列說明。
2022年新春大禮包， Github的Markdown開始支援Mermaid語法，以下就根據官方提供的語法來測試一下，經測試中文也沒有問題。
參考資料來源：https://mermaid-js.github.io/mermaid/#/
使用時只需在Mermaid指令前面加上一行「```mermaid」表示程式開始，最後再加上一行「```」來結束。
這裡的「`」符號指的是鍵盤左上角，ESC鍵下方那個按鍵。
目前可支援包括流程圖 (Flowchat)、時序圖 (Sequence Diagram)、甘特圖 (Gantt Diagram)、程式類別圖 (Class Diagram)、Git分支圖、實體關係圖 (Entity Relationship Diagram)、使用者旅程圖 (User Journey Diagram)。
完整程式範例可參考
https://github.com/OmniXRI/mermaid
「物件偵測」一直是電腦視覺的重點項目，已發展了二十多年[1]，早期利用各種特徵提取和比對來找出人們對影像中有興趣的像素集合（物件），如VJ, HOG等。近幾年來，大家則把重點放在了「深度學習」的模型上[2]，從剛開始的二階段偵測器(Two-stage Detector)，如RCNN, SPPNet, Fast RCNN, Faster RCNN等，到目前最流行的一階段偵測器(One-stage Detector)，如SSD, RetinaNet, EfficientDet, YOLO等，其中又以YOLO(You Only Look Once)系列發展的最好，一路發展出YOLOv2, YOLOv3, YOLOv4, YOLOv5（非學術論文）, 去年更有ScaledYOLOv4, YOLOX, YOLOR等技術推出，讓大家有更快推論速度、更高推論精度、更彈性模型架構，讓同一張影像中大小物件都能順利被檢出。
很高興今天受嘉義大學資訊管理系張宏義主任的邀請，和大家分享「邊緣智慧裝置發展趨勢與開發應用」 這個主題，讓學生們更了解除了一般大型AI應用外，在新興的邊緣智慧裝置又有什麼新的發展及如何開發這類的專題，主要包括AIoT, tinyML, OpenVINO等。此次分享大綱如下所示，更完整內容請參考下列投影片。
很高興今天受開南大學健康產業管理學系李盛安老師的邀請，在教師成長研習活動中和大家分享「人工智慧與健康產業的發展趨勢與落地應用」 這個主題，讓大家了解AI在健康產業中扮演的角色、發展現況、落地案例及未來前景，並給出許多自行發展相關產品的資源及採購資源，主要涵蓋Edge AI, AIoT, 感測技術, tinyML, OpenVINO等技術。更完整的大綱及簡報如下所示。
（點擊圖片放大顯示）
很高興今天受宜蘭大學資訊工程系黃朝曦、邱鈺鈞老師的邀請，和大家分享「邊緣智慧裝置發展趨勢與開發應用」 這個主題，讓學生們更了解除了一般大型AI應用外，在新興的邊緣智慧裝置又有什麼新的發展及如何開發這類的專題，主要包括AIoT, tinyML, OpenVINO等。此次分享大綱如下所示，更完整內容請參考下列投影片。
（點擊圖片放大顯示）
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。
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 |
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。
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
如有任何問題歡迎於下方留言區交流互動。（點擊圖片放大）
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。
