不需錨點，可進行影像分類、物件偵測、及物件分割，應用在瑕疵檢測、醫療影像分析、農業、自駕車等領域。YOLOv8 號稱最快最準，但是針對不同資料集，有時候因為新版演算法過度優化，測試起來反而是舊的演算法比較準。實務上建議 YOLOv4, YOLOR, YOLOv7 都測試看看。

2023年1月推出的 YOLOv8 演算法，有提供「物件分割」功能。

YOLOv8 是2023年1月推出的物件分類演算法，跟 YOLOv7 相比，速度及精度有微幅提升。除了可以做物件偵測、影像分類外，也可以做影像分割。

2023年1月推出的 YOLOv8 演算法，有提供「影像分類」功能。

YOLOv8 是2023年1月推出的物件分類演算法，跟 YOLOv7 相比，速度及精度有微幅提升。除了可以做物件偵測，也可以做影像分類。

YOLOv8 是2023年1月推出的物件偵測演算法，跟 YOLOv7 相比，速度及精度有微幅提升。

YOLOv8 是2023年1月推出的物件偵測演算法，跟 YOLOv7 相比，速度及精度有微幅提升。

很好用的影像擴增工具，可將各種圖檔批次擴增平移、旋轉、縮放圖檔，方便進行 AI 影像訓練。亦可另存成其他影像檔案格式。

很好用的影像轉檔工具，可將各種圖檔批次轉換成 png 檔案格式及正規化成 512px x 512px 大小，方便進行 AI 影像訓練。亦可指定轉換成其他影像檔案格式及大小。

CSPNet 演算法優化深度學習網路結構，除了準確度是世界第一之外，還能在邊緣運算嵌入式系統上維持超高的推論速度，實在是非常厲害，台灣之光。

台灣之光的上一代作品，去年最厲害的物件偵測演算法，在某些影像資料集的精確度超越 YOLOv7。

台灣之光最新作品 YOLOv7 segmentation ，除了是目前最厲害的物件偵測演算法，亦可做物件分割，找出邊緣，可取代 Mask R-CNN 。

目前最快最準的開源人臉辨識演算法，可應用於人工智慧教學教材、犯罪偵防、門禁考勤、智慧長照、公共安全、研究開發等。

台灣之光，目前最厲害的物件偵測演算法 YOLOv7 ，加上 DeepSort 演算法進行即時多物件追蹤，可應用於監控系統、人流分析、車流分析等領域。

台灣之光近期新作品之一，去年最厲害的物件偵測演算法 YOLOR ，大幅減少運 算量，速度增加但精度不會下降。我們把程式碼整理成可以用 JupyterLab 依序 執行訓練及推論步驟，比較好用，並製作操作說明投影片。

台灣之光最新作品，目前最厲害的物件偵測演算法 YOLOv7 ，大幅減少運算量，速度增加但精度不會下降。我們把 YOLOv7 加上 Windows 使用者介面，方便大家快速使用，節省時間。

台灣之光最新作品，目前最厲害的物件偵測演算法 YOLOv7 ，大幅減少運算量，速度增加但精度不會下降。唯一的缺點是程式碼係採用 GPL 授權，會造成商業產品需強制開源，如果要商業應用，可轉成 onnx 或其他推論引擎的格式，或是重寫程式碼。我們把程式碼整理成可以用 JupyterLab 依序執行訓練及推論步驟，並製作操作說明投影片。

實踐大學資管系AI導論 (MIS13901A1)課程

實踐大學資管系AI導論 (MIS13901A1)課程

實踐大學資管系AI導論 (MIS13901A1)課程

實踐大學資管系AI導論 (MIS13901A1)課程

要怎麼做物件追蹤？切換MODEL?要如何一張一張的餵進程式，得到結果？顯卡除非不是計算圖像不然不會差很多？

JupyterLab 如何重置密碼？電腦硬體選擇及價格？U-Net 偵測刮傷？YOLOv4使用？

目前最快最準的開源人臉辨識演算法 - ArcFace

AI 最新趨勢、 AI 發展的演進、自駕車簡介、常用 AI 影像分析演算法、應用案例。

YOLO Darknet 的維護者俄羅斯人 Alexey Bochkovskiy 發現中研院資科所博後 王建堯及所長廖弘源研發的 CSPNet detector 又快又好，於是邀請中研院資科 所以此為 backbone 發展 YOLOv4 ，對上一代 YOLOv3 做了各個部分改進，能維持一定檢測速度外，還大幅提升檢測精度，降低硬體

使用 OpenCV 的函式進行影像的連通區域分析。

使用旋轉和調整亮度的方法進行影像的擴增。

使用特徵比對的方法進行影像的縫合。

Pix2Pix 風格轉換。將原影像輸出訓練學習的影像風格。例如 : 黑白轉換成彩色、邊緣圖轉換相片、地圖轉換成衛星地圖等各種應用。

批次調整影像的大小。

進行指紋影像的比對。

使用 YOLACT 進行影像的分割。

使用 3D ResNets 進行影像 (影片) 的分類。

使用 LPRNet 進行車牌辨識。

使用 Ganomaly 進行影像的異常偵測。

YOLOv4 Tiny 演算法可以應用在工廠瑕疵檢測、醫療影像分析、生物影像分析、工安影像分析、口罩影像分析等。

使用 YOLOv4 進行即時多物件追蹤，可應用於監控系統、車流分析等各種領域。

此解決方案可應用在工廠瑕疵檢測、醫療影像分析、生物影像分析、工安影像分析、口罩影像分析等。

此解決方案可應用在工廠瑕疵檢測、醫療影像分析、生物影像分析、工安影像分析、口罩影像分析等。

使用 MobileNetV3 進行物件偵測，可應用於工廠瑕疵檢測、醫療影像分析、生物影像分析、工安影像分析、口罩影像分析。

使用 FasterRCNN 進行物件檢測，可應用於工廠瑕疵檢測、醫療影像分析、生物影像分析、工安影像分析、口罩影像分析。

此解決方案可應用在工廠瑕疵檢測、醫療影像分析、生物影像分析、工安影像分析、口罩影像分析等。

CycleGAN 特點為不要求訓練數據要成對，可學習不同 domain 之間的影像轉換。 可應用於語義標籤的街道轉換成寫實影像、衛星影像轉換成地圖影像、將場景從白天轉換成夜晚。

使用 DETR 進行物件偵測，可應用於工廠瑕疵檢測、醫療影像分析、生物影像分析、工安影像分析、口罩影像分析。

Image-GAN-Compression-PyTorch-Jupyter 是將 GAN 模型做壓縮後，再進行風格轉換。壓縮後的模型，不僅減少計算量，降低模型的大小，還能夠保持一定的準確度。此解決方案可應用於馬與斑馬、鞋子的風格轉換。

FaceNet 可應用於人臉分群、人臉分類，透過歐式距離來判斷人臉的相似度，而達到人臉辨識。

Pix2Pix 架構和 GAN 類似，但不在於產生仿真的影像，而是希望透過監督學習的方式，讓原影像輸出訓練學習的影像風格。例如 : 黑白轉換成彩色、邊緣圖轉換相片、地圖轉換成衛星地圖等各種應用。