#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 🤫
yolo github 在 台灣人工智慧學校 Facebook 的最佳解答
今年在社群上備受關注的即時物件偵測模型 YOLO,日前在 GitHub 上釋出最新版模型 YOLOv4,三位共同作者中有兩位來自台灣,分別是中央研究院的廖弘源所長與王建堯博士。學校特別安排兩位前來,與工程師團隊分享整個 YOLOv4 發展故事與前沿技術。
YOLO 也是許多技術班學員進行專題時,十分熟悉的模型。比起前一代,v4 版本速度更快也更精準。由於 YOLOv4 在運算資源有限時也能維持高精度與即時偵測的能力,未來各種物件辨識,人臉識別,自駕車...等電腦視覺領域,都會用到這樣的強大模型。透過今日的交流,也讓工程師們迅速掌握最新知識與技術。
#我們來做
#立志成為台灣最強AI團隊
#YOLOv4
yolo github 在 DeepBelief.ai 深度學習 Facebook 的最佳貼文
花了些時間把YOLO v4移植到我寫的pytorch API中,也成功將官方權重載入,實測的效果如下,都是使用信心水準門檻值0.4, nms門檻值0.6,講一下心得,一開始看這網路結構想說完全沒有用到depthwise卷積,而且裡面的通道也沒有刻意節制,大量使用512,1024通道數,我原以為一般小顯卡跑不動,但實際上我筆電的1060ti是可以跑的(雖然批次只能一張),它主要是用了極大量的1x1卷積,卻還有保持這樣檢測效果,所以主骨幹還是很厲害的。但是實測上看起來有個較大的問題,就是小物體(實際上不用太小)容易被漏檢,這也是為何我信心水準門檻值降到0.4的原因,因為不降漏檢的更多,但是只要面積不小,像是那張印度街頭,檢測效果還是很驚人的,但是像高速公路汽車與貓的那幾張圖會漏那麼多,還是有點費解,我也會先檢查是不是我這邊實現過程有缺漏,代碼與模型我整理下應該連假可以放出到github。
yolo github 在 YOLO, GitHub Galaxy, Pair Extraordinaire, Quickdraw and more! 的必吃
Unlock GitHub Profile Achievements | YOLO, GitHub Galaxy, Pair Extraordinaire, Quickdraw and more! Ankush Chauhan. ... <看更多>