台南古都融合 AI 科技，發展交通智慧化

作者 TechNews | 發布日期 2021 年 06 月 24 日 10:00 |

人工智慧（AI）一直是近年的熱門科技詞彙，根據「2021 台灣 AI 趨勢報告」，台灣有 84% 的受訪企業導入 AI 技術，以提高組織效率及創造營收為主要目標，在製造、行銷與客服等領域中獲得深入地應用。

AI 深度學習效果事半功倍

綠捷能智控股份有限公司（HIPOWER）長期致力於AI影像偵測辨識演算法的開發，過去應用領域也多於車牌辨識、車輛追蹤相關。2020 年參與臺南市政府合作 AI 城市巡檢先導應用試驗計畫，在臺南市政府智慧發展中心及交通局的協助之下，以臺南市東區東門路與自由路口、中西區府前路與南門路口為試驗場域，試驗情境則是配合臺南市政府的基礎設施下，在未對現有攝影系統架構有任何調整的情況，利用路口現地攝影鏡頭搜集影像數據，最終所使用影像解析度為 640×480，採用 YOLO 類神經演算法進行物件深度學習，並加入深度物件定位追蹤演算法。

在試驗的計畫裡，YOLO 模型主要應用在多類別與多場景的物件辨識上，所以會設計較多的卷積層，而每一種會再進行多次的卷積運算，造成模型本身較大，考量這次計畫中所需辨識的物件類型與場景相對單純的情況下，過多的卷積層及運算對提升準確率沒有明顯地影響，並且會造成模型訓練效能不佳，因此利用剪枝技術減少卷積層數與運算次數，來提升模型的訓練效能。同時在影像數據上進行優化的前置處理，提升整體影像亮度達一致程度，降低亮度不均及部分雜訊的干擾，如此對後續物件辨識及定位追蹤準確率將有所幫助。因此在本案中僅利用約 5,000 張的物件圖快速片建立辨識模型及完成調校參數，成功開發出路口行人偵測、車種（機車、小型車、大型車）辨識、各向車流及其轉向偵測辨識的解決方案。經過最終的驗證測試，在不同天色的情況下，整體車流偵測辨識準確率可達 95%，車流轉向比分析及車種辨識準確率則有 90% 以上，而人流亦有 90% 以上的辨識準確率。

原有設備升級，效益最大化

此方案除可以有效減輕交通單位的人力負擔外，也能為交通智慧化提供充足有效的即時基礎數據，並且因為使用地方政府路口現有攝影系統，未來在複製擴散上也可以用相對較低成本的方式來進行，試驗單位不需要為了導入AI技術而將現有攝影機升級。未來將可以此解決方案為基礎，建構路口動態資訊即時回饋，協助路口及行人號誌燈秒數優化，以提升整體交通運行的順暢度。

在完成上述臺南市政府試驗計畫後，2021 年第一季也順利將此方案的核心技術衍生應用到隧道事件偵測系統 IIDs 及在道路壅堵偵測系統 QLD 中，用以偵測追蹤隧道逆行車輛、隧道路邊停等、壅堵車流(種)偵測及佔有率計算等情形。在新一代行動通訊日漸普及的情況下，未來將會有更多以 AI 影像辨識技術為基礎的衍生性應用產生，推進智慧化應用的演進。

由此可見，影像辨識技術所衍生的應用豐富性，對於地方政府推動城市智慧化的過程中，將能以最低成本的方式來發揮既有影像系統的最大效益。

公私協力成為 AI 應用夥伴

目前市場上 AI 影像辨識分析應用開發上，多半採用開放式模型來進行演算法的開發，而實務環境條件複雜多變，為能達到商品化對穩定性的要求，通常需要搭配自主開發的演算法，以強化模型偵測及辨識的能力，同時更需要實際場域建置的經驗、高品質數據的採樣及訓練參數組的建構，來對模型進行分析與調校，如此才能成為成熟且穩定的應用系統架構。

臺南是一個持續進化的科技古都，市府非常積極在導入創新科技應用，也因此保持開放態度在智慧化應用推動上，有系統地啟動在地方政府間相當少見的應用試驗計畫，在提供題目、條件限制及實際場域的情況下，邀請產業界進行解決方案開發與技術驗證，並希望業者能持續投入資源進行商品化，協助地方政府智慧化應用能夠水平擴散及垂直深化，這是一個成功案例，將對公部門與民間合作推動智慧化應用有正向的影響。

附圖：▲ 模型建立作業流程
▲ VDS 系統辨識畫面
▲ 以 AI 影像辨識為基礎的衍生應用
▲ 辨識分析結果畫面呈現

資料來源：https://technews.tw/2021/06/24/tainans-ancient-capital-integrates-ai-technology-to-develop-intelligent-transportation/?fbclid=IwAR1OJBuRIm3IbznQ-YcDuJo4r7xaKjlCyMpxS7oiiFP4Xogl7YXTMaAKRpM

【早鳥倒數🔥AI醫學影像辨識一次掌握】
👉 https://bit.ly/2Whgkjl
不管你是具備工程技術，還是具備醫療知識💊
只要想進入醫療影像分析，卻不知如何開始💉
又或想接案醫療影像分析，卻不會以下這些技能嗎❓

📍於貼文留言: 「#AI醫學影像辨識」助教將私訊超優惠連結給你
若可以公開分享此篇貼文，會更棒棒喔🎉🎉

1⃣不會寫程式、不會Python✅基礎+進階一起打包!
2⃣會程式但沒有學過AI辨識 ✅基礎+進階一起打包!
3⃣有一點基礎但沒有很熟悉 ✅基礎+進階一起打包!
#學習的問題我一率建議TibaMe穩紮穩打

🧬基礎班
🔹NumPy / Pandas / Matplotlib：分析病歷資料
🔹OpenCV：胸腔影像去雜訊、銳利化、邊緣偵測等
🔹Keras深度學習建模：分析基礎影像
🔹CNN 模型：辨識手寫數字
🔹CNN 影像辨識 + 遷移學習優化：新冠肺炎X光分類
🔹實作：視網膜糖尿病病程分級

🧬進階班
🩹CNN 語意切割、萃取影像特徵
🔸辨識腦腫瘤組織影像
🔸視網膜糖尿病病程分級
🔸進行不同細胞之分類

🩹應用物件偵測 Yolo 模型
🔸標註物件範圍進行血球偵測

🩹創建 VGG 模型
🔸心電圖波型影像分類

🩹優化創建 EfficientNet 模型
🔸分類肺炎影像分析

🩹創建 ResNet 模型
🔸3D 胸腔醫學影像分類輔助診斷

一次擁有全部醫學影像成果作品
👑13種視覺化分析作品＿業界最紮實也最超值

你是否...
❓想了解影像分析整體架構與分析方法
❓想進入醫學影像分析卻不知道怎麼開始
❓想更精確地擷取影像特徵
❓想知道如何更進階提升模型準度

💘TibaMe幫你準備好了！
AI醫學影像分析實作直播學程全攻略
帶你活用Python程式語言，實作高達13種醫學影像成果
徹底滿足你的學習與實作慾望！

🔷 基礎班：6種資料視覺化分析作品
🔑 運用NumPy / Pandas / Matplotlib進行病歷資料分析
🔑 運用OpenCV進行胸腔影像去雜訊、銳利化、邊緣偵測、特徵萃取
🔑 利用Keras深度學習建模進行影像分析
🔑 創建CNN模型進行手寫數字辨識
🔑 CNN影像辨識 + 遷移學習優化新冠肺炎X光分類
🔑 優化經典 CNN 影像辨識進行糖尿病視網膜病變病灶嚴重度分級

🔷 進階班：7種資料視覺化分析作品
🔑 運用CNN 語意切割、萃取影像特徵進行辨識腦腫瘤組織影像
🔑 用CNN 語意切割，辨識影像進行糖尿病視網膜病變病灶嚴重度分級
🔑 以語意切割偵測影像進行細胞分類
🔑 應用物件偵測Yolo模型進行標註物件範圍進行血球偵測
🔑 創建VGG模型進行心電圖波型影像分類
🔑 以資料擴增優化創建EfficientNet 模型進行分類肺炎影像分析
🔑 創建ResNet模型3D胸腔醫學影像分類輔助診斷

早鳥階段最優惠！
👉 立即了解詳細學程內容：https://bit.ly/3eZ0Ycx