🦾機械手臂+3D視覺，精湛打磨工藝媲美專業老師傅！
-
你知道我們腳上穿的鞋子👟，在製作時用的鞋膠所產生的化學揮發，會對鞋工的身體產生不良影響嗎？
-
經濟部技術處希望能改善此產業問題，因此支持金屬中心研發🦾機械手臂系統整合與3D視覺影像辨識雙技術，透過重力補償，克服了機械手臂在力量控制上的瓶頸，成功將全自動化設備導入鞋底與鞋面的製程，除了產能與品質更提升外，還能改善鞋工的工作環境與節省百萬以上的人事成本，而且機械手臂的打磨動作，堪比老師傅的精湛工藝，可是一點都不馬虎呢！
-
👀 了解更多：https://pse.is/3mse75
-
#經濟部技術處 #科技專案 #金屬中心 #智慧化3D視覺製鞋自動打粗塗膠 #機械手臂

✨AI影像辨識應用班✨

最近很夯的物聯網產業，其實也是需要IT相關人員的喔！

AI影像辨識應用班，就是專門給行動裝置開發，或是韌體工程師等，學習更專精的技術，提升職場競爭力，還輔導數位電子乙級證照的考試喔！

👉 https://bit.ly/3yCKoHN

#物聯網感測器應用 #Python程式語言
#AI影像辨識應用 #APP與雲端運用
#3D列印 #微電腦晶片設計

✅只要是符合資格的失業勞工，全額補助
✅報名截止：8/18
✅填寫最下方回函，在家等專人連繫
-
本課程由臺北市職能發展學院辦理
還有更多IT及物聯網課程任挑！
👉 https://bit.ly/3Ay6BaJ

#AI人工智慧
#AIoT 運動健身
#居家健身

解封在即，你變胖了嗎? 每天宅在家，你有運動嗎?
搭配AI人工智慧與物聯網(IoT)，也可在家享受飆汗甩肉、居家健身的樂趣，有助提升免疫力。
AIoT衍伸的運動健身，有三種模式，達到不一樣的健身效果。
第一種：健身器材結合影像感測模組。
透過感測聯網，讓使用者在家健身時，以虛擬運動健身社群，召集世界各地運動同好一起競速或決賽。
第二種：穿戴感測器整合AI演算法。
透過穿戴感測器的整合，讓使用者可即時且精確知道各種運動姿勢數據，達到運動健身效益。
第三種：TOF 3D 感測進行AI建模
透過ToF( Time of Flight，飛時測距感測)影像辨識技術與相關AI 動態追蹤系統，追蹤人體動作與識別姿態，來顯示動作完成度與校正指引。
https://www.chinatimes.com/newspapers/20210627000156-260204?chdtv

#googleio #google #googledev
Google IO 2021 的十五件小事 - Wilson說給你聽
時間軸
00:00 開場
00:36 更智慧的導航
01:16 強化的Google Lens
02:18 LaMDA更智慧語音助理
02:57 更多維度的搜尋
04:13 相簿跟地圖更有隱私
04:58 平行比對搜尋結果
05:31 強化版的實境導航與熱點分析
06:00 3D室內導航
06:23 複雜路口行人指引優化
07:08 Little patterns
09:11 Android 12 Material U
10:39 UWB手機變身汽車鑰匙
11:07 跟三星一起玩手錶
11:50 影像辨識看診
12:20 Google發電廠....

人臉辨識，就是用科技計算的方式，來比較臉部視覺特徵，藉此鑑定身分的一種電腦技術。

其實我們可以把人臉辨識想像成是一套演算法，各種不同的廠商或公司可能會有不同的演算規則。但整體的邏輯是一樣的，通常會先偵測人臉、然後進行臉部校正與擷取特徵、再進行比對工作。

當攝影機拍到你的時候，它第一步也會先切成一張一張的影格，然後去找到你的臉，就像是我們相機在拍照的時候，它不是會在臉旁邊出現一個框框讓你比較好對焦，這就是使用了人臉偵測的技術。

也因為人臉其實有一些特徵，所系統會開始擷取一些我們臉上出具有「辨別度」的特徵，像是顴骨的形狀啦、眼窩的深度之類的，一張臉大約有80幾個識別點，但也因為拍攝時可能剛好低頭或轉頭，或是受到光線影響之類的，有些系統會在抓取特徵的時候也要進行校正，利用人中啊、眼睛啊或嘴角之類的作為錨點，將人臉校正到同一個比較基準。現在也有2D轉3Ｄ的技術，用3D模型來計算你不同角度應該是長什麼樣子。那抓出這些特徵以後呢，這個演算法會把你臉上用這些特徵畫出來的向量，轉換成編碼，於是你這個人獨特的特徵就可以用一串數字來代表，最後再送到資料庫進行比對。

雖然人臉識別這個技術早再很多年前就已經開始發展，但是到這幾年因為電腦計算速度大幅加快、雲端技術成熟，才有較大的進展。而且這樣子一套演算法，還需要透過ＡＩ深度學習，模擬我們大腦神經網絡的運作，然後從大規模未標記的資料中學習，來建立出一套演算法、不斷優化出更好的模型。才能讓辨識度越來越準確。

不過即使臉部辨識技術已經發展了一段時間，辨識準確度卻還是有待加強，美國國家標準暨技術研究院 (Nist) 的一項測試就發現，2014年到2018年期間，人臉辨識系統因為深度學習的技術，失敗率從4% 降到 0.2%。BUT！資料庫中的照片跟現實生活中可不一樣，每個人頭擺的角度、臉出現在畫面中的位置、拍攝光線、畫素、有沒有戴帽子、帶圍巾或變老，這些都會影響準確度。而且目前雙胞胎的辨識，還是一大難題。

像是英國南威爾斯警方2017在歐洲足球冠軍賽期間，測試一款全新的AI臉部識別程序，可以搜尋比對資料庫裡面的50萬筆潛在罪犯資料，結果系統在17萬名觀眾當中，配對了2470人為潛在目標，但是錯誤率高達92%。

Amazon 2016年推出影像辨識 AI 系統Rekognition，也曾經把28名國會議員辨識為罪犯，讓大家都嚇到吃手手。美國奧蘭多市政府也從 2017 年開始與 Amazon 合作進行先導計劃，在市內幾個地方架設監視器，實時進行人臉辨識，希望可以找出通緝犯等特定人士，幫助執法。不過在 15 個月的測試中，卻發現系統經常誤判，準確度常常出問題，後來在2019年終止這項合作。

人臉辨識跟很多技術一樣，就是個雙面刃。雖然這項科技已經越來越進步，而且透過電腦的深度學習，讓判讀的準確度大大提升，但它仍然不像DNA那樣，正確度高達99.9%，可以作為決定性的判定標準。
--------------------------------------

《#范琪斐ㄉ寰宇漫遊》每週四晚間十點在 #寰宇新聞台 播出，沒跟上的也沒關係，歡迎訂閱我們的 YouTube 頻道 🔔#范琪斐ㄉ寰宇漫遊 🔔https://reurl.cc/ZvKM3 1030pm準時上傳完整版！