人工智慧視覺感知運算系統模組 課程成果亮點

逢甲大學電子工程學系 陳冠宏副教授

一.最具代表性實務應用研究成果

智慧物件偵測之快速演算法與其硬體實現:我們開發的深度學習神經網路-Agile net能自由選擇所欲偵測的物件種類,於公開測試資料集MS COCO的測試結果顯示Agile net之偵測準確度比YOLO v3高出近10個百分點,和YOLO v4/5相仿,居全球領先群,卻能節省50%以上的運算複雜度,搭配我們所提出的Adaptive quantization和GoP-mode等技術,加速神經網路推論速度達1093%,在低成本移動式平台Jetson Nano上達到35 FPS,滿足即時運算需求,大幅提升深度學習神經網路的實用性。

二.發成果智慧財產權及其應用績效

根據《日本經濟新聞》報導,日本開發電動輪椅公司已經在羽田機場展開電動輪椅自動駕駛的試運行,顯示智慧自駕輪椅所需的智慧物件偵測技術將日益重要。此研究以智慧運輸為主要應用,偵測室外道路上主要移動物件包含:行人、機車騎士和汽車等,以及行人徒步區主要移動物件包含:行人、輪椅、娃娃車和手推車等,至今已向產業界施行技術移轉達新台幣220萬元,協助相關企業順利取得深度學習神經網路訓練和整數點模型壓縮等關鍵技術。

此外,我們所製作的智慧物件偵測教材(影片已上架中華開放教育平台,課程名稱:「人工智慧視覺運算系統設計」)獲得教育部經費補助進行推廣於各大專校院教學課程,因被採計使用的次數高於平均值50%以上,獲得優等獎殊榮。

基礎聯盟海報(陳冠宏).jpg