top of page
雲端深度學習
採用雲端運算進行深度學習可以輕鬆導入和管理大型資料集以訓練演算法，還可以透過 GPU 處理能力，以更低的成本有效地擴展深度學習模型。
目的
日常產生的數位影像資料，這些資料如果經過適當的自動化處理、抽取出其中的資訊，就能成為貼心的服務、發揮出數位資訊驚人的妙用。
資料集
深度學習除了需要大量的資料，更需要大量有標記(Label)的資料，才能在訓練過程(Training)讓深度學習的模型(model)學習到判別的關鍵。
成長關鍵要素
即時偵測的需求，在各個產業上皆有明顯的提升
影像辨識的部屬，用以監控、改善交通壅塞狀況。
YOLOR是甚麼?
YOLOR--
全名：You Only Learn One Representation-它靠一個統一表徵（Unified representation），來收集輸入模型的所有特徵，這些特徵都儲存在表徵裡，日後模型要執行其他任務時，就會從中提取特徵來學習。
意思是，這個表徵（Representation）是各種特徵（Feature）的總和。舉例來說，我們會用身高、體重、戴眼鏡、年齡、髮色和腔調等來形容特定的某人，這些身高、體重、年齡等細節就是特徵，這些特徵組合起來，就是一個表徵，用來代表某個人。統一表徵中，提取出輪廓，並作為辨識任務的依據。
它是依靠統一表徵（Unified Representation），來收集輸入模型的所有特徵，這些特徵都儲存在表徵裡，日後模型要執行其他任務時，就會從中提取特徵來學習。
模型的優異表現
6K
圖片總量
15
種不同的物種
70%
精確度
TW
模型適用地
5
每次訓練時長
使用平台
與技術
bottom of page