#世界級
全球最神的 #物件偵測演算法 上線！
即時計算車流、為自駕車領航、計算社交距離……
🚗🚌🚐🚒🏎🚕🚌🚎🏍🚲🚐🚚
👌有了它，通通都搞定！
💁♂️ #YOLOv4 #最速最準 #免費開源釋出 #中研院與俄國開發者聯手打造
--
YOLO 是「You only look once」的簡稱，電腦只要看一眼，就能判斷照片或影像裡的物件類別與位置，自2015年推出第一代版本後，深受開發者喜愛。
👍新一代的YOLOv4，由中研院資訊所廖弘源特聘研究員、王建堯博士後研究員，與俄羅斯開發者博科夫斯基(Alexey Bochkovskiy)共同研發，平均正確率(Average Precision, AP)達43.5%，比前一代(YOLOv3)提高10%🎉
✅速度更快 ✅準確度更高 ✅成本低 使用一般的圖形處理器就能運算，「像是用算盤打出計算機的速度！」不需佈建雲端系統，即時分析回饋。
#YOLO可以拿來做什麼
廖弘源指出，團隊目前已運用該技術與義隆電子合作「智慧城市交通車流解決方案」，在路口就能進行交通影像辨識，例如即時分析車流、停等車列、車速，即時反映交通路況，調整號誌。目前已佈設於桃園、新竹。
#物件偵測的應用範圍不只在交通領域
YOLOv4已經於今年四月在Github(原始碼代管平台)公開，免費開源給全世界使用，各項應用層出不窮⬇⬇
👉計算社交距離
https://www.youtube.com/watch?v=obtERdHvM8o
👉偵測有無戴口罩
https://www.youtube.com/watch?v=yPTLc6FmQCM
✅這項技術的突破，也展現台灣在人工智慧研究領域擁有強大能量！了解更多開發過程：https://www.sinica.edu.tw/ch/news/6576
✅論文：https://arxiv.org/abs/2004.10934
#中研院 #資訊所 #YOLOv4 #objectdetection #computervision #影像辨識
_________________________________
Groundbreaking results in artificial intelligence achieved by international team with Taiwanese researchers! AS Distinguished Research Fellow Mark Liao and Postdoctoral Scholar Chien-Yao Wang from the Institute of Information Science worked with Alexey Bochkovskiy from Russia to develop YOLOv4, currently the fastest and most accurate object detection algorithm. YOLOv4 has an average precision (AP) rate of 43.5 percent, 10 percent higher than the previous version (YOLOv3).
Since the source code was shared on an open-source platform, tens of thousands of people around the world have tested YOLOv4 and developed their systems and products.
According to Mark Liao, YOLOv4 has been used in the development of “Smart City Traffic Flow Solutions”, a collaborative project with ELAN Microelectronics Corporation to enhance smart city innovation in Taiwan.
⏩ Press Release: https://www.sinica.edu.tw/en/news/6576
__________________________________
🎤媒體報導🎤
[自由時報] 人工智慧技術 分析車流準確率達9成
https://news.ltn.com.tw/news/life/paper/1383752
[蘋果日報] 交通指揮換AI！車少時一路綠燈 中研院研發最準車流辨識
https://reurl.cc/kdAbRK
[中央社] 台俄合作最速物件偵測 影像辨識解決交通車流
https://www.cna.com.tw/news/ait/202007020144.aspx
[警廣] 中研院演算法準確判斷車流 改善交通路況
https://reurl.cc/exYbeM
[公視] 中研院改良研發 世界級AI交通偵測系統
https://news.pts.org.tw/article/485383
[聯合報] 一眼揪出你有沒有超速！台俄聯手打造全球最神物件偵測
https://udn.com/news/story/7266/4673372
#塞車有解 #超速要當心 #AI都知道 🤫
yolo影像辨識 在 Re: [請益] 如何選擇影像辨識工具? - 看板Soft_Job 的八卦
※ 引述《kingx163 (果醬貓)》之銘言：
: 各位版友好
: 小弟剛接觸影像辨識沒有多久
: 看到目前有yolo, Azure Computer Vision,
: Cloud Vision API等等可以選擇
: 請問各位年薪300w大大都用哪一種呢？
: 另外，應該如何判斷用哪家的呢?
: 謝謝！
YOLO是model
Azure Computer Vision跟Google Cloud Vision API都是platform
你應該先釐清你的需求，才知道要用何種工具/framework/model
不然就像是問網友出發要搭啥交通工具，卻連要去哪裡都沒說一樣
我最近也自學Computer Vision/Machine Learning，可以給你一點建議
有些需求AOI就可以解決，有些用CV效果會更好，有些需要用到ML其良率才能接受
如果剛接觸這塊，可以先玩一下OpenCV，看一些早期的論文
了解一下以前在做CV時是怎麼用GLCM，小波之類的特徵去辨識
現在如果不是自己從頭寫，已經不太會接觸到這塊了
直接拿現成Model network去使用或train都難度很低
剛好這幾天做了個投影片，你可以參考一下，簡單展示了CV跟ML可以做的東西
https://goo.gl/SYEvbe (一直按 > 就可以照著flow播了)
據我自學的認知，Machine Learning裡，
跟CV比較有關的就是Classification跟Object Recognition
簡單來說Classification就是辨識這張圖是啥
Object Recognition是認出圖內的物體位置與名稱，你說的YOLO就是這種
屬於R-CNN家族之一，它家族大概是這樣:
R-CNN, Fast R-CNN, Faster R-CNN, YOLO, SSD, R-FCN....(最後一個我沒試過)
如果只是想做Computer Vision，建議你玩OpenCV
如果要用Machine Learning，我前陣子有寫篇很雜的心得在fb社團
https://www.facebook.com/groups/616369245163622/permalink/1204406499693224/
那時候邊忙邊寫，寫得很亂也沒整理，簡單來說是這樣
平台: linux/ubuntu最多人用，windows資源比較少
語言: C++/python吃遍天下，其他語言看運氣
Framework:Caffe還是最多，tensforflow最近比較熱門，Keras似乎也不少人用
Torch有點老了，CNTK微軟努力推當中(至少社群回應蠻熱情的)
如果你只是想測效果，用OpenCV DNN Moudle去讀 Model來測
找到你需要的model再選擇要用怎麼環境改成production
這樣可以少花很多時間在建置環境上
大致上是這樣，如果要問怎麼建模的話我還沒學到那，只會很簡單的CNN，就幫不上忙了
--
上班不務正業的證據
https://died.tw
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 60.250.150.39
※ 文章網址: https://www.ptt.cc/bbs/Soft_Job/M.1512121699.A.1D5.html
我沒看書，要補知識網路上不少course，上面這個可以看看
想快速瞭解可以看一下微軟的講解 https://goo.gl/64Pjse
篇幅不長，如果沒接觸過也蠻好懂的
... <看更多>