Tag Archives: 卷積神經網路

讓汽車「眼力」大增，賽靈思攜魔視智能打造全新前視鏡頭晶片

作者侯冠州|發布日期 2021 年 09 月 01 日 10:21 |

分類 AI 人工智慧 , 晶片 , 汽車科技

瞄準 24 億美元的汽車前視鏡頭市場，賽靈思（Xilinx）9 月 1 日宣布，與嵌入式人工智慧自動駕駛供應商魔視智能（Motovis）合作，雙方將推出一款解決方案，結合賽靈思車規級（Xilinx Automotive，XA）Zynq 系統單晶片（SoC）平台和魔視智能針對車用市場的卷積神經網路（CNN）IP，專用於前視鏡頭系統的車輛感知和控制。

繼續閱讀..

用 AI 預測宇宙膨脹速度

作者台北天文館|發布日期 2021 年 06 月 11 日 8:30 |

分類 AI 人工智慧 , 天文

哈伯─勒梅特定律簡潔而優美的描述宇宙正在擴張的現象。它是一個簡單的線性關係式：距離越遠的天體，退行速度越快。整個宇宙像發酵中的麵包，把上面的葡萄乾分得愈來越遠。繼續閱讀..

iPhone 11 Pro 一秒生成全像 3D 圖！MIT 如何做到？

作者雷鋒網|發布日期 2021 年 03 月 21 日 0:00 |

分類尖端科技 , 科技趣聞

幾個月前，顯示螢幕霸主三星聯合首爾大學，設計出超薄互動式全像顯示螢幕。只要按方向鍵，螢幕裡的海龜立即就朝特定方向游過去。繼續閱讀..

TESS 搭配最新演算法，幫助找尋太陽系第 9 行星

作者台北天文館|發布日期 2021 年 02 月 03 日 7:45 |

分類天文 , 自然科學

NASA 的凌日系外行星巡天衛星（Transiting Exoplanet Survey Satellite，TESS），是近年天文學家搜索系外行星的最佳利器，在 2020 年 8 月完成第一階段全天域的搜索後，進入第二階段的擴展任務，速度比第一階段快 3 倍。繼續閱讀..

LeCun 又紅了！1993 年首次文本辨識 CNN 影片衝上 Reddit 熱門榜

作者雷鋒網|發布日期 2021 年 01 月 14 日 13:00 |

分類 AI 人工智慧 , 科技趣聞

提到卷積神經網路大家可能並不陌生，是深度學習（Deep Learning）的經典演算法之一，自 1990 年代以來，在電腦視覺、自然語言處理領域不斷取得驚人結果。繼續閱讀..

一眼揪出你有沒有超速！世界第一物件偵測技術：YOLOv4

作者研之有物|發布日期 2020 年 11 月 09 日 9:00 |

分類 AI 人工智慧

「只要讓我看一眼，我就知道這是什麼！」（You Only Look Once，YOLO）YOLO，是目前當紅的 AI 物件偵測演算法。中研院資訊科學研究所所長廖弘源及博士後研究員王建堯，與俄羅斯學者博科夫斯基（Alexey Bochkovskiy）共同研發最新的 YOLO 第四版（簡稱 YOLOv4），一舉成為目前全世界最快、最高精準度的物件偵測系統，引爆全球 AI 技術社群，已改寫物件偵測演算法的發展。究竟，他們對演算法動了哪些手腳？又是什麼樣的契機，開啟這項研究？繼續閱讀..

卡內基美隆大學新系統，任何人皆可透過 iPhone 創建 4D 視覺化效果

作者 Evan|發布日期 2020 年 07 月 03 日 8:45 |

分類 AI 人工智慧 , VR/AR

卡內基美隆大學（Carnegie Mellon University，CMU）研究人員展示，可將不同鏡頭在「野外」拍攝的 iPhone 影片結合起來以創建 4D 視覺化效果，讓觀眾從不同的角度觀看，甚至可將暫時擋住視線的人或物體直接去掉。繼續閱讀..

機器學習助鈣鈦礦踩油門，太陽能材料分析速度快 10 倍

作者 Daisy Chuang|發布日期 2019 年 06 月 13 日 13:59 |

分類太陽能 , 尖端科技 , 能源科技

鈣鈦礦是近年來備受歡迎的太陽能潛力材料，不少團隊正孜孜不倦尋找最佳製造配方，進一步提高轉換效率與延長使用壽命，最近美國麻省理工更開發出全新的流線型（Streamlined）材料製造與分析系統，除了成功將合成與分析速度加快 10 倍，也找出 2 種候選無鉛鈣鈦礦材料，未來最佳化研究後，材料研發時間有望從 20 年縮減到 2 年以內。

繼續閱讀..

美國共有幾座太陽能系統？史丹佛研發 DeepSolar 一探究竟

作者 EnergyTrend|發布日期 2018 年 12 月 27 日 15:30 |

分類太陽能 , 能源科技

為了讓美國消費者與廠商更加了解太陽能板裝設狀況與分布，史丹佛大學透過機器學習與衛星圖像，研發出「DeepSolar」軟體與開放平台，可成功辨識出美國逾 147 萬個太陽能裝置，希望能讓人們更了解當地太陽能的部署情形與背後原因。繼續閱讀..

Google Brain 用強化學習為行動裝置量身訂做最好最快的 CNN 模型

作者雷鋒網|發布日期 2018 年 08 月 13 日 9:00 |

分類 AI 人工智慧 , Google , 行動裝置

卷積神經網路（CNN）廣泛用於影像分類、人臉辨識、物體偵測及其他工作。然而，為行動裝置設計 CNN 模型是個大挑戰，因行動模型需要又小又快，同時還要保持足夠的準確率。雖然研究人員花了非常多時間精力在行動模型的設計和改良，做出 MobileNet 和 MobileNetV2 這類成果，但人工設計高效模型始終很有難度，其中有許多可能性需要考慮。繼續閱讀..