LEADERG AI ZOO 進階人工智慧軟體 (Jupyter Lab 操作介面,提供豐富範例程式, Low Code)

LEADERG AI ZOO 進階人工智慧軟體.png

 

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 ]

 

LEADERG-AI-ZOO-AI Software-Architecture-20200505.png

 

 

 

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
總體成本
AI 影像演算法
傳統影像演算法
條碼辨識
聲音演算法
提供原始碼
量產權利金

 

 

 

[ 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

 

 

 

 


延伸閱讀

1.
立達軟體科技參加國際 AI 大賽獲得評審團青睞,在眾多優秀對手中脫穎而出,奪得首獎新台幣300萬!

2.
LEADERG-38 高階人工智慧工作站 (NVIDIA RTX-3090-24G 四張, RTX-6000-24G 四張, RTX-8000-48G 四張, AMD Ryzen Threadripper 3970X, 3990X, Intel, Core i9, Xeon, GPU computer,GPU workstation)

3.
技術文章及影片

4.
教育訓練