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 |發布日期 2021 年 09 月 01 日 10:21 | 分類 AI 人工智慧 , 晶片 , 會員專區

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..

一眼揪出你有沒有超速!世界第一物件偵測技術:YOLOv4

作者 |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..

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 |發布日期 2019 年 06 月 13 日 13:59 | 分類 太陽能 , 尖端科技 , 會員專區

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 |發布日期 2018 年 12 月 27 日 15:30 | 分類 太陽能 , 會員專區 , 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 |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 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..