 勇奪首獎300萬-320.jpeg)
LEADERG AI ZOO 是人工智慧界的動物園，收集各種好用的野生人工智慧演算法，幫助大家方便使用，大幅節省開發時間，可應用於產品瑕疵檢測、醫學影像分析、人工智慧教學、犯罪偵防、門禁考勤、智慧長照、公共安全、交通流量、車牌辨識、程式教學、研究開發等。
將人工智慧演算法，加上人人都會使用的操作介面，進行深度學習、分析資料，降低技術門檻，幫助產業解決缺乏AI人才的問題。
每月提供最新演算法下載，目前共有一百八十幾種演算法，提供原始碼及參考出處，幫助學界便於做研究及發表論文，亦方便業界自行客製 AI 產品進行量產，免收權利金。
內建 Python, CUDA, cuDNN, TensorFlow, Keras, PyTorch 等軟體套件及範例程式，幫助大家大幅省去安裝套件及尋找範例程式的麻煩。
Low Code 概念，提供豐富範例程式，稍作修改即可應用於研究教學及產品開發。
大幅降低技術門檻，對於產業 AI 化有很大幫助，於2018年6月參加國際 AI 大賽獲得第一名，獎金新台幣300萬元。
[ 架構圖 ]
整理各種人工智慧演算法，節省開發時間，讓您輕鬆使用 AI ，歡迎老師當作課程教材。
首屆 TAIRA AI 總決賽最終獲得評審團青睞，在眾多優秀對手中脫穎而出，奪得首獎新台幣300萬！解決產業缺乏 AI 人才的問題。無論是產品競爭力、技術門檻，以及與企業的對接度等項目，均獲得非常高的評價！
感謝晶圓、封測、面板、石化、電子、系統整合、設備、醫院、教育等產業客戶採用。
感謝多所學校老師採用。
[ 特色 ]
• 支援深度學習
• 支援人工智慧演算法
• 支援影像處理
• 支援多種影像運算方法
• 支援影像分析
• 支援條碼辨識
• 支援 QR code
• 支援多核心及多處理器的電腦
• 支援 GPU 加速
• 支援自訂函式庫
• 支援 TensorFlow 2.4.0
• 支援 PyTorch 1.8.0
• 支援 CUDA 11.0
• 支援 cuDNN 8.0.4
• 本機執行，資料不用上傳到雲端，避免公司機密外洩
• 每月提供最新演算法下載
• 價格公道
• 支援 CPU 運算，適合一般電腦教室教學
• 支援 GPU 運算，加速研究開發
[ 硬體需求 ]
• Intel x64 處理器（需支援 AVX2 指令集）
• 16 GB 主記憶體或以上
• 硬碟需要 150 GB 以上空間
• 使用者畫面解析度需要 1280 x 720 以上
• 滑鼠或其他使用者介面點擊裝置
• 支援 CUDA, cuDNN, TensorRT 的 NVIDIA GPU (GPU 記憶體需 24 GB 以上)
• 支援 OpenVINO 的 Intel VPU 或 FPGA (運算加速選配)
[ 軟體優勢 ]
• 簡單好上手，開發整合速度快
• 於支援期間，針對內建解決方案，有提供技術支援
• 經過半導體產業、面板產業、石化產業、 PCB 產業等大廠驗證
• 參加國際 AI 大賽得到第一名，獎金新台幣300萬
• 感謝晶圓、封測、面板、銅箔、 PCB 等產業大廠採用
• Windows 版本支援免安裝，內建最新版 Python, PyTorch, TorchVision, TensorFlow, Keras, CUDA, cuDNN, ... ，支援 CPU 及 GPU 運算，不需麻煩另外安裝環境，解壓縮後即可立刻使用
• 內建常用深度學習解決方案，所有方案皆驗證過
• 價格合理
[ 適合對象 ]
本產品為進階人工智慧軟體，適合具有程式設計能力的使用者，例如：學生、學校老師、軟體工程師、製程工程師、研發部門、資訊部門、醫院資訊室等。
如果使用者不會寫程式，請參考 LEADERG APP 人工智慧軟體。
[ 案例及效益 ]
案例：封測廠客戶
效益：用於精密自動量測及瑕疵檢測，導入前每年都有瑕疵爆大量的狀況，導入後每年可省下一億。
案例：工廠客戶
效益：用於取代人工目檢，減員增效，目檢漏失率可降至0%，人員需求可降至原來的三分之一，導入後每年可省下數千萬元。
案例：醫院客戶
效益：用於醫療影像分析、語意辨識，內建有業界經驗的豐富範例程式，開發速度快。導入後，可節省醫護時間，每年可省下數千萬元。
案例：檢調客戶
效益：用於毒品分析，內建有業界經驗的豐富範例程式，開發速度快，縮短部署時間。
案例：設備商客戶
效益：用於瑕疵影像分析，內建有業界經驗的豐富範例程式，開發速度快，縮短機台交期。
案例：學校客戶
效益：用於教學及研究，內建有業界經驗的豐富範例程式，符合產學合作及未來就業需求。
[ 感謝客戶們對 AI ZOO 的支持 ]
台灣大學、交通大學、成功大學、中興大學、宜蘭大學、勤益科技大學、暨南大學、聯合大學、國防大學、海軍軍官學校、長庚大學、虎尾科大、屏東科大、高雄科大、逢甲大學、朝陽科大、義守大學、實踐大學、資訊工業策進會、工業技術研究院、法務部調查局、原子能委員會核能研究所、農業委員會特有生物研究保育中心、金屬工業研究發展中心、台灣儀器科技研究中心、大聯大 - 世平興業、友達光電、天應資訊、台中榮總、台塑集團-台塑網科技、台塑集團-南亞塑膠、台灣化學纖維、聯華電子、瀚宇彩晶 、羅技電子、敦陽科技、先豐通訊、吉人地科、宇承電腦、百佳泰股份、竹陞科技、均旺企業、科音國際、竑騰科技、神達電腦、軒眾電腦、研揚科技、華信光電、隆達電子、雲守護、順達科技、新群展業、盟立自動化、義隆電子、聚力智能、佳賀電通、欣隆資訊、發芽科技、頤捷科技、大壩資訊、中國石油等...
[ 軟體比較 ]
|
LEADERG AI ZOO |
Halcon | Cognex | eVision | |
| 總體性能 | 高 | 中 | 中 | 中 |
| 總體成本 | 低 | 高 | 高 | 中 |
| AI 影像演算法 | 多 | 少 | 少 | 少 |
| 傳統影像演算法 | 有 | 有 | 有 | 有 |
| 條碼辨識 | 有 | 有 | 有 | 有 |
| 聲音演算法 | 有 | 無 | 無 | 無 |
| 提供原始碼 | 有 | 無 | 無 | 無 |
| 量產權利金 | 無 | 高 | 高 | 高 |
[ 軟體授權 ]
本軟體提供完整程式碼，便於做研究及發表論文，亦可以自行客製 AI 產品進行量產，免收權利金。
本軟體不是開放原始碼。請私下使用，不可發佈到網路上。
本軟體不提供任何保證，如需保證，需另外專案付費： THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY, FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM, OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE SOFTWARE.
[ LEADERG AI ZOO 版本說明 ]
LEADERG AI ZOO 進階人工智慧軟體單機版:
授權一台電腦，永久授權，一年下載，一年技術支援
LEADERG AI ZOO 進階人工智慧軟體企業版部門授權:
授權一個部門員工的電腦，永久授權，一年下載，一年技術支援
LEADERG AI ZOO 進階人工智慧軟體教育版系所授權:
授權一個系所師生的電腦，永久授權，一年下載，一年技術支援
[ 支援作業系統 ]
• Windows 10 64位元
• Ubuntu Linux 20.04 64位元
二擇一，請於出貨前告知作業系統，如需支援兩種作業系統，需購買兩套授權。
Windows 及 Linux 版本訓練出來的模型檔可以通用。
大部分演算法同時支援 Windows 及 Linux 作業系統。
但是少部分演算法只有支援 Windows 或 Linux 作業系統的其中一種。
Windows 的開發環境比較好用，但是演算法執行速度較慢。
通常在產品量產前或是有速度需求時，才會用 Linux 版本。
[ 技術文章及影片 ]
https://tw.leaderg.com/dir/index?sn=11114
[ 技術支援 ]
提供1小時視訊操作教學。
軟體下載及技術支援時間為一年。
針對軟體操作或範例程式的問題提供電子郵件技術支援服務。
如果是軟體客製化問題，請購買我們的客製化收費教育訓練。
https://tw.leaderg.com/article/index?sn=9246
[ 軟體下載 ]
每月1日提供新版軟體及演算法下載，如果您為已購買之客戶，請 email 啟動碼給我們，索取最新下載連結：
Email: leaderg@leaderg.com
[ 購買方式 ]
https://tw.leaderg.com/article/index?sn=11056
[ 人工智慧演算法 ]
| 演算法 | Jupyter-Chatterbot |
| 說明 | 聊天機器人 |
| 演算法 | Jupyter-COM |
| 說明 | 串列埠 |
| 演算法 | Jupyter-CURL |
| 說明 | 使用 CURL 函式庫抓取網頁 |
| 演算法 | Jupyter-Data-Conv1D-Keras |
| 說明 | 使用 1 維卷積神經網路進行資料分析 |
| 演算法 | Jupyter-Data-Dense-Sin-PyTorch |
| 說明 | 使用 Densenet 學習 sin 波及推論 |
| 演算法 | Jupyter-Data-Dense-Stock-PyTorch |
| 說明 | 使用 Densenet 進行 stock 預測 |
| 演算法 | Jupyter-Data-Dense-Fraud-Detection |
| 說明 | 詐騙偵測 |
| 演算法 | Jupyter-Data-Genetic-Algorithm-Flow-Shop |
| 說明 | 基因演算法工廠排程 |
| 演算法 | Jupyter-Data-Genetic-Algorithm-Job-Shop |
| 說明 | 基因演算法工廠排程 |
| 演算法 | Jupyter-Data-Genetic-Algorithm-Job-Shop-NSGA-II |
| 說明 | 基因演算法工廠排程 |
| 演算法 | Jupyter-Data-Gradient-Boosting-Classification |
| 說明 | 使用 Gradient-Boosting 進行鐵達尼號生存預測 |
| 演算法 | Jupyter-Data-Gradient-Boosting-Regression |
| 說明 | 使用 Gradient-Boosting 預測波士頓房價 |
| 演算法 | Jupyter-Data-JSON |
| 說明 | 使用 Python 讀入 json，印出內容，寫入 output.json |
| 演算法 | Jupyter-Data-LightGBM-Classification |
| 說明 | 使用 LightGBM 進行鐵達尼號生存預測 |
| 演算法 | Jupyter-Data-LightGBM-Regression |
| 說明 | 使用 LightGBM 預測波士頓房價 |
| 演算法 | Jupyter-Data-LSTM-PyTorch |
| 說明 | 使用 LSTM PyTorch 預測股票價格 |
| 演算法 | Jupyter-Data-Matplot-Stock |
| 說明 | Python 畫數據的曲線圖 |
| 演算法 | Jupyter-Data-Read-Sin |
| 說明 | Python 讀取 Sin 波的值與畫成表格 |
| 演算法 | Jupyter-Data-Read-Write-CSV |
| 說明 | Python 進行 CSV 數據的存取 |
| 演算法 | Jupyter-Data-Read-Write-Excel |
| 說明 | Python 進行 Excel 數據的存取 |
| 演算法 | Jupyter-Data-Regression-Forest |
| 說明 | 使用 Regression-Forest 預測波士頓房價 |
| 演算法 | Jupyter-Data-Regression-Forest-Sin |
| 說明 | 使用 Regression-Forest 預測 Sin 波 |
| 演算法 | Jupyter-Data-Regression-Forest-Stock |
| 說明 | 使用 Regression-Forest 預測股價 |
| 演算法 | Jupyter-Data-SVM |
| 說明 | 使用 SVM 進行資料分群 |
| 演算法 | Jupyter-Data-Taiwan-Mask |
| 說明 | 查台灣藥局口罩庫存的資料爬蟲 |
| 演算法 | Jupyter-Data-XGBoost-Classification |
| 說明 | 使用 XGBoost 進行鐵達尼號生存預測 |
| 演算法 | Jupyter-Data-XGBoost-GPU-Test |
| 說明 | XGBoost GPU 測試 |
| 演算法 | Jupyter-Data-XGBoost-Regression |
| 說明 | 使用 XGBoost 預測波士頓房價 |
| 演算法 | Jupyter-Data-XGBoost-Regression-Stock-Taiwan |
| 說明 | 使用 XGBoost 預測股票價格 |
| 演算法 | Jupyter-Data-XGBoost-Regression-Time-Series |
| 說明 | 使用 XGBoost Regression 時間序列預測股票 |
| 演算法 | Jupyter-File-Download |
| 說明 | 下載檔案並顯示進度條 |
| 演算法 | Jupyter-for |
| 說明 | Python For 迴圈範例 |
| 演算法 | Jupyter-Function-Call |
| 說明 | Python 呼叫函式範例 |
| 演算法 | Jupyter-Hello-World |
| 說明 | Python print範例 |
| 演算法 | Jupyter-Http-Server-AIOHTTP |
| 說明 | Python AIOHTTP Web Server |
| 演算法 | Jupyter-Http-Server-Flask |
| 說明 | Python Flask 輕量級Web應用框架 |
| 演算法 | Jupyter-if |
| 說明 | Python If 範例 |
| 演算法 | Jupyter-Image-Augmentation |
| 說明 | 影像擴增 |
| 演算法 | Jupyter-Image-Barcode |
| 說明 | 讀取一維、二維條碼 |
| 演算法 | Jupyter-Image-Barcode-Generator |
| 說明 | 生成條碼 |
| 演算法 | Jupyter-Image-Batch-Resize |
| 說明 | 影像批量縮放 |
| 演算法 | Jupyter-Image-Classification-AlexNet-PyTorch |
| 說明 | 使用 PyTorch AlexNet 進行影像瑕疵分類 |
| 演算法 | Jupyter-Image-Classification-Attention-PyTorch |
| 說明 | 使用 PyTorch Attention 進行影像瑕疵分類 |
| 演算法 | Jupyter-Image-Classification-CSPResNeXt-50-CPP |
| 說明 | 使用 PyTorch CSPResNeXt 進行影像瑕疵分類 |
| 演算法 | Jupyter-Image-Classification-DenseNet-OCR-Keras |
| 說明 | 使用 DenseNet 進行字元辨識 |
| 演算法 | Jupyter-Image-Classification-DenseNet121-PyTorch |
| 說明 | 使用 PyTorch DenseNet121 進行影像瑕疵分類 |
| 演算法 | Jupyter-Image-Classification-EfficientNet-PyTorch |
| 說明 | 使用 PyTorch EfficientNet 進行影像瑕疵分類 |
| 演算法 | Jupyter-Image-Classification-GoogleNet-PyTorch |
| 說明 | 使用 PyTorch GoogleNet 進行影像瑕疵分類 |
| 演算法 | Jupyter-Image-Classification-InceptionV2-PyTorch |
| 說明 | 使用 PyTorch InceptionV2 進行影像瑕疵分類 |
| 演算法 | Jupyter-Image-Classification-InceptionV3-CAM-PyTorch |
| 說明 | 在 PyTorch 下使用 InceptionV3 與 Class Activation Mapping 可視化來進行影像分類。 |
| 演算法 | Jupyter-Image-Classification-InceptionV3-PyTorch |
| 說明 | 使用 PyTorch InceptionV3 進行影像瑕疵分類 |
| 演算法 | Jupyter-Image-Classification-InceptionV4-PyTorch |
| 說明 | 使用 PyTorch InceptionV4 進行影像瑕疵分類 |
| 演算法 | Jupyter-Image-Classification-Inception_ResNet_v1-PyTorch |
| 說明 | 使用 PyTorch Inception_ResNet_v1 進行影像瑕疵分類 |
| 演算法 | Jupyter-Image-Classification-Inception_ResNet_v2-PyTorch |
| 說明 | 使用 PyTorch Inception_ResNet_v2 進行影像瑕疵分類 |
| 演算法 | Jupyter-Image-Classification-MNASNet-PyTorch |
| 說明 | 使用 PyTorch MNASNet 進行影像瑕疵分類 |
| 演算法 | Jupyter-Image-Classification-MobileNetV1-PyTorch |
| 說明 | 使用 PyTorch MobileNetV1 進行影像瑕疵分類 |
| 演算法 | Jupyter-Image-Classification-MobileNetV2-PyTorch |
| 說明 | 使用 PyTorch MobileNetV2 進行影像瑕疵分類 |
| 演算法 | Jupyter-Image-Classification-MobileNetV3-PyTorch |
| 說明 | 使用 PyTorch MobileNetV3 進行影像瑕疵分類 |
| 演算法 | Jupyter-Image-Classification-PreactresNet18-PyTorch |
| 說明 | 使用 PyTorch PreactresNet18 進行影像瑕疵分類 |
| 演算法 | Jupyter-Image-Classification-RegNet-PyTorch |
| 說明 | 使用 PyTorch RegNet 進行影像瑕疵分類 |
| 演算法 | Jupyter-Image-Classification-Resnet_in_Resnet-PyTorch |
| 說明 | 使用 PyTorch Resnet_in_Resnet 進行影像瑕疵分類 |
| 演算法 | Jupyter-Image-Classification-ResNet50-PyTorch |
| 說明 | 使用 PyTorch ResNet50 進行影像瑕疵分類 |
| 演算法 | Jupyter-Image-Classification-ResNeXt101-PyTorch |
| 說明 | 使用 PyTorch ResNeXt101 進行影像瑕疵分類 |
| 演算法 | Jupyter-Image-Classification-SENet-PyTorch |
| 說明 | 使用 PyTorch SENet 進行影像瑕疵分類 |
| 演算法 | Jupyter-Image-Classification-ShuffleNetV1-PyTorch |
| 說明 | 使用 PyTorch ShuffleNetV1 進行影像瑕疵分類 |
| 演算法 | Jupyter-Image-Classification-ShuffleNetV2-PyTorch |
| 說明 | 使用 PyTorch ShuffleNetV2 進行影像瑕疵分類 |
| 演算法 | Jupyter-Image-Classification-SqueezeNet-PyTorch |
| 說明 | 使用 PyTorch SqueezeNet 進行影像瑕疵分類 |
| 演算法 | Jupyter-Image-Classification-VGG16-PyTorch |
| 說明 | 使用 PyTorch VGG16 進行影像瑕疵分類 |
| 演算法 | Jupyter-Image-Classification-Xception-PyTorch |
| 說明 | 使用 PyTorch Xception 進行影像瑕疵分類 |
| 演算法 | Jupyter-Image-FaceNet |
| 說明 | FaceNet 人臉辨識 |
| 演算法 | Jupyter-Image-Fingerprint-Recognition |
| 說明 | 指紋影像辨識 |
| 演算法 | Jupyter-Image-Ganomaly |
| 說明 | 使用 GANomaly 進行影像異常檢測 |
| 演算法 | Jupyter-Image-Gauge-Reader |
| 說明 | 錶頭刻度辨識 |
| 演算法 | Jupyter-Image-Human-Pose-PyTorch |
| 說明 | 偵測人體姿勢 |
| 演算法 | Jupyter-Image-LPRNet-PyTorch |
| 說明 | 使用 LPRNet 辨識車牌 |
| 演算法 | Jupyter-Image-Object-Detection-CSPResNeXt50-PANet-SPP-CPP |
| 說明 | 使用 CSPResNeXt50 PANet 進行瑕疵檢測 |
| 演算法 | Jupyter-Image-Object-Detection-DETR-PyTorch |
| 說明 | 使用 PyTorch DETR 進行瑕疵檢測 |
| 演算法 | Jupyter-Image-Object-Detection-EfficientDet-Keras |
| 說明 | 使用 Keras EfficientDet 進行瑕疵檢測 |
| 演算法 | Jupyter-Image-Object-Detection-FasterRCNN-Keras |
| 說明 | 使用 Keras FasterRCNN 進行瑕疵檢測 |
| 演算法 | Jupyter-Image-Object-Detection-MobileNetV1-SSD300-PyTorch |
| 說明 | 使用 PyTorch MobileNetV1-SSD300 進行瑕疵檢測 |
| 演算法 | Jupyter-Image-Object-Detection-MobileNetV1-SSD512-PyTorch |
| 說明 | 使用 PyTorch MobileNetV1-SSD512 進行瑕疵檢測 |
| 演算法 | Jupyter-Image-Object-Detection-MobileNetV2-SSD300-PyTorch |
| 說明 | 使用 PyTorch MobileNetV2-SSD300 進行瑕疵檢測 |
| 演算法 | Jupyter-Image-Object-Detection-MobileNetV2-SSD512-PyTorch |
| 說明 | 使用 PyTorch MobileNetV2-SSD512 進行瑕疵檢測 |
| 演算法 | Jupyter-Image-Object-Detection-MobileNetV3-SSD300-PyTorch |
| 說明 | 使用 PyTorch MobileNetV3-SSD300 進行瑕疵檢測 |
| 演算法 | Jupyter-Image-Object-Detection-MobileNetV3-SSD512-PyTorch |
| 說明 | 使用 PyTorch MobileNetV3-SSD512 進行瑕疵檢測 |
| 演算法 | Jupyter-Image-Object-Detection-ResNet152-SSD512-PyTorch |
| 說明 | 使用 PyTorch ResNet152-SSD512 進行瑕疵檢測 |
| 演算法 | Jupyter-Image-Object-Detection-ResNet50-SSD300-PyTorch |
| 說明 | 使用 PyTorch ResNet50-SSD300 進行瑕疵檢測 |
| 演算法 | Jupyter-Image-Object-Detection-ResNet50-SSD512-PyTorch |
| 說明 | 使用 PyTorch ResNet50-SSD512 進行瑕疵檢測 |
| 演算法 | Jupyter-Image-Object-Detection-VGG16-SSD512-PyTorch |
| 說明 | 使用 PyTorch VGG16-SSD512 進行瑕疵檢測 |
| 演算法 | Jupyter-Image-Object-Detection-VGG19-SSD512-PyTorch |
| 說明 | 使用 PyTorch VGG19-SSD512 進行瑕疵檢測 |
| 演算法 | Jupyter-Image-Object-Detection-YOLOv4-CPP |
| 說明 | 使用 YOLOv4 進行瑕疵檢測 |
| 演算法 | Jupyter-Image-Object-Detection-YOLOv4-Multiple-Object-Tracking-CPP |
| 說明 | 使用 YOLOv4 進行多物件追蹤 |
| 演算法 | Jupyter-Image-Object-Detection-YOLOv4-Tiny-CPP |
| 說明 | 使用 YOLOv4 Tiny進行瑕疵檢測 |
| 演算法 | Jupyter-Image-OCR |
| 說明 | Python 使用 Tesseract-OCR 進行字元辨識 |
| 演算法 | Jupyter-Image-ONNX |
| 說明 | 使用 ONNX 模型進行影像分類、影像偵測、影像切割 |
| 演算法 | Jupyter-Image-OpenCV-Adaptive-Threshold |
| 說明 | Python OpenCV 自適應二值化 |
| 演算法 | Jupyter-Image-OpenCV-Add |
| 說明 | Python OpenCV 影像相加 |
| 演算法 | Jupyter-Image-OpenCV-Bilateral-Filter |
| 說明 | Python OpenCV 雙邊濾波器 |
| 演算法 | Jupyter-Image-OpenCV-Binarize |
| 說明 | Python OpenCV 做二值化 |
| 演算法 | Jupyter-Image-OpenCV-Black-Hat |
| 說明 | Python OpenCV 做形態學 Black Hat |
| 演算法 | Jupyter-Image-OpenCV-Blob |
| 說明 | Python OpenCV Blob 二值化影像幾何形狀提取與分離 |
| 演算法 | Jupyter-Image-OpenCV-Blur |
| 說明 | Python OpenCV 模糊處理 |
| 演算法 | Jupyter-Image-OpenCV-Brightness |
| 說明 | Python OpenCV 影像明暗度 |
| 演算法 | Jupyter-Image-OpenCV-Canny |
| 說明 | Python OpenCV 邊緣偵測 Canny |
| 演算法 | Jupyter-Image-OpenCV-Capture-Image |
| 說明 | Python OpenCV 從 webcam 連續擷取影像並顯示在螢幕上 |
| 演算法 | Jupyter-Image-OpenCV-Connected-Components |
| 說明 | Python OpenCV 影像連通元件標記法 |
| 演算法 | Jupyter-Image-OpenCV-Copy |
| 說明 | Python OpenCV 影像複製 |
| 演算法 | Jupyter-Image-OpenCV-Create-And-Fill |
| 說明 | Python OpenCV 建立影像與填充 |
| 演算法 | Jupyter-Image-OpenCV-Crop |
| 說明 | Python OpenCV 影像裁切 |
| 演算法 | Jupyter-Image-OpenCV-DCT |
| 說明 | Python OpenCV 影像 DCT 頻率域 |
| 演算法 | Jupyter-Image-OpenCV-DeBlur |
| 說明 | Python OpenCV 影像去模糊 |
| 演算法 | Jupyter-Image-OpenCV-DFT |
| 說明 | Python OpenCV 影像 DFT 頻率域 |
| 演算法 | Jupyter-Image-OpenCV-Dilation |
| 說明 | OpenCV 影像膨脹範例 |
| 演算法 | Jupyter-Image-OpenCV-Erosion |
| 說明 | OpenCV 影像侵蝕範例 |
| 演算法 | Jupyter-Image-OpenCV-Filter2D |
| 說明 | OpenCV filter2D 濾波範例 |
| 演算法 | Jupyter-Image-OpenCV-Find-Contours |
| 說明 | OpenCV 影像找輪廓範例 |
| 演算法 | Jupyter-Image-OpenCV-Gaussian-Blur |
| 說明 | OpenCV 影像高斯模糊範例 |
| 演算法 | Jupyter-Image-OpenCV-GetWH |
| 說明 | OpenCV 取得影像長寬範例 |
| 演算法 | Jupyter-Image-OpenCV-Gray |
| 說明 | Python OpenCV 讀取 input.png 的彩色圖檔，轉換成灰階後顯示在螢幕上 |
| 演算法 | Jupyter-Image-OpenCV-Histogram-Calculation |
| 說明 | OpenCV 直方圖計算範例 |
| 演算法 | Jupyter-Image-OpenCV-Histogram-Comparison |
| 說明 | OpenCV 直方圖比較範例 |
| 演算法 | Jupyter-Image-OpenCV-Histogram-Equalization |
| 說明 | OpenCV 直方圖均衡化範例 |
| 演算法 | Jupyter-Image-OpenCV-Hough-Circle-Transform |
| 說明 | OpenCV 霍夫圓轉換範例 |
| 演算法 | Jupyter-Image-OpenCV-Hough-Transform |
| 說明 | OpenCV 霍夫線轉換範例 |
| 演算法 | Jupyter-Image-OpenCV-InRange |
| 說明 | OpenCV inRange 範例 |
| 演算法 | Jupyter-Image-OpenCV-Laplace |
| 說明 | OpenCV Laplace 範例 |
| 演算法 | Jupyter-Image-OpenCV-Median-Blur |
| 說明 | OpenCV 模糊化範例 |
| 演算法 | Jupyter-Image-OpenCV-Merge |
| 說明 | OpenCV 影像 Merge 範例 |
| 演算法 | Jupyter-Image-OpenCV-Morphological-Gradient |
| 說明 | OpenCV 影像梯度範例 |
| 演算法 | Jupyter-Image-OpenCV-Opening-And-Closing |
| 說明 | OpenCV 形態學開運算、閉運算範例 |
| 演算法 | Jupyter-Image-OpenCV-Read-Write-Image-File |
| 說明 | Python OpenCV 讀取 input.png 存成 output.jpg |
| 演算法 | Jupyter-Image-OpenCV-ReMap |
| 說明 | OpenCV 影像 ReMap 範例 |
| 演算法 | Jupyter-Image-OpenCV-Resize |
| 說明 | OpenCV 影像縮放範例 |
| 演算法 | Jupyter-Image-OpenCV-Rotate |
| 說明 | OpenCV 影像旋轉範例 |
| 演算法 | Jupyter-Image-OpenCV-Sharpness |
| 說明 | OpenCV 影像銳化範例 |
| 演算法 | Jupyter-Image-OpenCV-Shift |
| 說明 | OpenCV 影像平移範例 |
| 演算法 | Jupyter-Image-OpenCV-Sobel |
| 說明 | OpenCV Sobel 演算法範例 |
| 演算法 | Jupyter-Image-OpenCV-Split |
| 說明 | OpenCV 通道分離範例 |
| 演算法 | Jupyter-Image-OpenCV-Top-Hat |
| 說明 | OpenCV 頂帽運算範例 |
| 演算法 | Jupyter-Image-QRcode-Generator |
| 說明 | 生成QR code 條碼 |
| 演算法 | Jupyter-Image-Screen-Capture |
| 說明 | Python 擷取桌面畫面後，儲存到 output.png |
| 演算法 | Jupyter-Image-Segmentation-MaskRCNN-Keras |
| 說明 | 使用 MaskRCNN 進行影像物件分割 |
| 演算法 | Jupyter-Image-Segmentation-UNet-Keras |
| 說明 | 使用 U-Net 進行影像語意分割 |
| 演算法 | Jupyter-Image-Segmentation-YOLACT-PyTorch |
| 說明 | 使用 YOLACT 進行影像物件分割 |
| 演算法 | Jupyter-Image-Stitching |
| 說明 | 使用 brisk 特徵提取演算法進行影像拼接 |
| 演算法 | Jupyter-Keyboard |
| 說明 | Python 送出鍵盤訊號 |
| 演算法 | Jupyter-Model-Keras-To-ONNX |
| 說明 | 把 Keras 的模型轉成 ONNX 的模型 |
| 演算法 | Jupyter-Model-ONNX-To-OpenVINO |
| 說明 | 把 ONNX 的模型轉成 OpenVINO 的模型 |
| 演算法 | Jupyter-Model-ONNX-To-TensorRT |
| 說明 | 把 ONNX 的模型轉成 TensorRT 的模型 |
| 演算法 | Jupyter-Model-PyTorch-To-ONNX |
| 說明 | 把 PyTorch 的模型轉成 ONNX 的模型 |
| 演算法 | Jupyter-Model-TensorFlow-To-ONNX |
| 說明 | 把 TensorFlow 的模型轉成 ONNX 的模型 |
| 演算法 | Jupyter-Model-View-Netron |
| 說明 | 顯示模型架構 |
| 演算法 | Jupyter-Model-YOLOv3-CPP-to-OpenVINO |
| 說明 | 把 YOLOv3 CPP 的模型轉成 OpenVINO 的模型 |
| 演算法 | Jupyter-Model-YOLOv4-CPP-to-PyTorch |
| 說明 | 把 YOLOv4 CPP 的模型轉成 PyTorch 模型 |
| 演算法 | Jupyter-Mouse |
| 說明 | Python 送出移動滑鼠指令 |
| 演算法 | Jupyter-MySQL |
| 說明 | Python MySQL 連接，資料刪除、修改、查詢 |
| 演算法 | Jupyter-OpenVINO |
| 說明 |
OpenVINO 範例 Image_Crossroad_Camera Image_Gaze_Estimation Image_Human_Pose_Estimation Image_Interactive_Face_Detection Image_Mask_RCNN Image_Multi_Channel_Face_Detection Image_Multi_Channel_Human_Pose_Estimation Image_Multi_Channel_Object_Detection_YOLOv3 Image_Object_Detection_Faster_Rcnn Image_Object_Detection_YOLOv3 Image_Pedestrian_Tracker Image_Security_Barrier_Camera Image_Segmentation Image_Smart_Classroom Image_Super_Resolution Image_Super_Resolution_Text Image_Text_Detection Image_Text_Recognition |
| 演算法 | Jupyter-PySide2 |
| 說明 | Python PySide2 |
| 演算法 | Jupyter-PySide2-OpenCV-Webcam |
| 說明 | PySide2 介面顯示 webcam 即時影像 |
| 演算法 | Jupyter-Python-DLL |
| 說明 | Python 使用 DLL 範例 |
| 演算法 | Jupyter-Python-For |
| 說明 | Python For 迴圈範例 |
| 演算法 | Jupyter-Python-Function |
| 說明 | Python 函式範例 |
| 演算法 | Jupyter-Python-Import |
| 說明 | Python import 範例 |
| 演算法 | Jupyter-Python-Print |
| 說明 | Python 印出值範例 |
| 演算法 | Jupyter-Python-Thread |
| 說明 | Python 執行緒範例 |
| 演算法 | Jupyter-Python-Variable |
| 說明 | Python 值範例 |
| 演算法 | Jupyter-Python-While |
| 說明 | Python while 迴圈使用範例 |
| 演算法 | Jupyter-PyTorch-CUDA-Test |
| 說明 | PyTorch CUDA 測試 |
| 演算法 | Jupyter-Quote |
| 說明 | Python Quote |
| 演算法 | Jupyter-SMTP |
| 說明 | Python 簡單郵件傳輸 |
| 演算法 | Jupyter-Sound-Play-Music |
| 說明 | Python 音樂播放 mp3 |
| 演算法 | Jupyter-Sound-Play-Sound |
| 說明 | Python 聲音播放 wav |
| 演算法 | Jupyter-Sound-Spectrogram |
| 說明 | Python 聲音頻譜 |
| 演算法 | Jupyter-Speech-To-Text |
| 說明 | Python 語音轉文字 |
| 演算法 | Jupyter-TensorFlow-CUDA-Test |
| 說明 | Python TensorFlow CUDA 測試 |
| 演算法 | Jupyter-Text-To-Speech |
| 說明 | Python 文字轉語音 |
| 演算法 | VS-OpenCV-Webcam |
| 說明 | C# OpenCV Webcam 範例 |
| 演算法 | Web-OpenCV-CPP-Webcam |
| 說明 | OpenCV 讀取 Webcam 影像顯示在網頁上 |
| 演算法 | Web-OpenCV-CPP-Python-Webcam |
| 說明 | 使用 Python OpenCV 讀取 Webcam 影像顯示在網頁上 |