#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 🤫

智慧車需具備PACCE五大特點 方能從Car 1.0進化至2.0版

林芬卉 2018-09-12

Semicon Taiwan 2018智慧汽車國際高峰論壇，從汽車產業鏈上、中、下游主要業者觀點，提出未來智能車由Car 1.0版進化至2.0版，需朝幾個方向發展，包括駕駛方式改變、車聯網的普及、新移動概念等，而汽車未來將具備「PACCE」五大特點。

現在智慧汽車以搭載ADAS功能為主(又稱Car 1.0版)，未來5~10年具Level 2~3等級自駕車成長將顯著，最終目標為開發Level 4~5自動駕駛汽車(簡稱AD，又稱Car 2.0版)；ADAS與AD不同處在於，前者資料主要在Edge端處理，後者則由中央超級電腦處理所有匯集的資訊。

從製造觀點來看，傳統汽車大廠先以ADAS為基礎，再以step-by-step方式向上做到AD等級，也就是由Car 1.1、Car 1.2、Car 1.n、再進化至Car 2.0版；相對的，科技大廠採取一步到位方式，直接開發Car 2.0版的全自駕車款。

由上述可知，汽車產業在正進行極大變革，而未來汽車將具備「PACCE」五大特點，包括Perception(感知)、Assessment(評估)、Control(操控)、Communication(通訊)、Expectations(期望)。

Perception方面，未來智慧車會使用多重感測器，其中，車用相機模組需求量顯著增加，以產值計2016~2020年複合成長率將達24%。現常與相機模組搭配的感測器為毫米波雷達，其優勢為即使在大雨中惡劣環境、物件辨識效果僅減損10%，也就是說可補足其他感測器易受外界環境影響的缺點；而超過75%車用毫米波雷達系統會結合軟體演算法，靜態物件主要以卷積神經網路(CNN)辨識，動態物件則主要採用循環神經網路(RNN)及遞歸神經網路(GNN)等技術。

目前光達(LiDAR)價格雖然偏高，但車廠會優先採用成本較低的固態光達，預估大量生產下固態光達價格將可降至200~250美元，而光達好處是影像可作到無縫接合。

汽車如同人類一般具有感知功能，接下來就需進行路況的評估(Assessment)，也就是車子需瞭解交通規則、知道可行駛的路徑、作到即時辨識及適應路況等。有了感知及評估能力後，汽車亦要能自動操控(Control)各種動作，如前進、煞停、轉向等。

當汽車要作到良好的自我操控性，需經過不斷的深度學習及路測。據車廠統計，當100輛的自駕車隊以每小時25英哩速度行駛，並以1年365天、1天24小時進行路測，即可蒐集到足夠的數據量，信心度可達95%。

為強化汽車信賴信及補足感測器無法全面偵測的缺點(如轉角處車輛被大樓檔住)，未來汽車亦需具備通訊(Communication)及聯網功能；又因車子會與車、路、人、基礎設施等連網，故每輛車每天蒐集到的資料量高達4,000GB，此時車聯網需導入共通標準，以確保各裝置間能以共通語言進行對話。

值得注意是，現車聯網兩大技術DSRC及C-V2X正在推行，兩者各有其優缺點，晶片業者如以色列商Autotalks為解決車廠或Tier 1業者選邊站的難題，因此發展出雙模V2X晶片組。

除自駕車技術不斷往前推進外，車廠亦需考量到消費者對於自駕車的期待(Expectations)及看法。據市調機構針對主要國家消費者調查，若是完全自駕功能的汽車(Full Autonomous Vehicles)，有6~8成的人認為安全上仍有疑慮；此時需要仰賴AI技術不斷對自駕車進行深度學習及訓練，以優化其自我駕車能力。

目前已商用化、並在路上行駛的最高等級自駕車為奧迪(Audi)A8的Level 3車款，隨著AI將滲透到人類生活各層面(包含行動運輸工具)，預估2035年將有5,400萬輛自駕車上路。

為因應完全自駕車時代來臨，未來汽車產業由「3S」所組成，包括Semiconductor(半導體)、Software(軟體)、System(系統)，而對3S掌握度愈高的業者，未來在汽車生態系中愈有勝出機會。

附圖：Semicon Taiwan 2018智慧汽車國際高峰論壇提出智能車需具備PACCE五大特點。林芬卉

資料來源：https://www.digitimes.com.tw/iot/article.asp…