使用 LightGBM 進行鐵達尼號乘客的生存預測。
使用 Gradient Boosting 進行房價的預測。
使用 Gradient Boosting 進行鐵達尼號乘客的生存預測。
使用 Regression Forest 進行股價的預測。
使用 Regression Forest 進行 Sin 函數的預測。
使用 Regression Forest 進行股價的預測。
使用 XGBoost 進行機票銷售 (時序資料) 的預測。
使用 XGBoost 進行股價的預測。
使用 XGBoost 進行鐵達尼號乘客的生存預測。
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 LSTM 進行機票銷售的訓練和推論。
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。
使用基因演算法解決多目標排程的問題。
使用基因演算法解決工廠排程 Job Shop 的問題。
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。
使用基因演算法解決工廠排程 Flow Shop 的問題。
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 Autoencoder 進行信用卡的詐騙偵測。
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。
BERT 應用領域有 Question Answer 問答系統、閱讀理解、語意拆解、語意分析。
應用於人體姿勢偵測,可偵測出人的眼睛、鼻子、耳朵、脖子、肩部、手肘、手腕、髖關節、膝關節、腳踝的位置。
使用 DenseNet 進行股票資料的訓練和推論。
使用 DenseNet 進行 Sin 函數的訓練和推論。
Jupyter-Image-GAN-Compression-PyTorch 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。
使用一維的 Convolutional neural network 進行資料分析。
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。
使用 Python 爬蟲的技術,從台灣證券交易下載個股數據資料,並且使用 XGBoost-Regression 對個股資料進行迴歸分析。
GPT-2 應用於自動產生一篇文章,也可輸入任一句話來自動產生一篇文章。
常見影像處理的簡易使用工具,包含有讀圖、存圖、轉灰階、二元化、連通找出物體等。
可訓練自訂的語音資料集,推論並輸出類別,不需上網,即可達成邊緣端語音轉文字的功能。
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。
此 APP是將一張低解析度(Low Resolution)的影像,利用 SRGAN 生成一張高解析度 (High Resolution),提高影像的解析度。
CycleGAN 是發表在 ICCV2017 image-to-image translation 的著名演算法,最大特點為不要求訓練數據要成對,只需要提供不同 domain 的影像就能成功訓練不同 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。
AI 人體骨架偵測、跌倒偵測、人流計數。其中人體骨架偵測,可偵測出鼻子、眼睛、耳朵、脖子、肩部、手肘、手腕、髖關節、膝關節、腳踝的位置。
模型轉換,從 PyTorch 模型轉換到 ONNX 模型,或是從 Tensorflow 1.X 模型轉換到 ONNX 模型。
FaceNet 主要驗證人臉是否為同一個人,端對端學習,直接比對兩個人臉經過它的網路映射之後的歐氏距離。該模型沒有使用傳統 softmax 的方式進行分類學習,而是抽取某一層當作特徵,將人臉影像映射到一個歐幾里得多維空間的編碼方法,通過空間距離來表示人臉的相似度,同一個人的距離越小,反之不同人距離則越大,最後基於此編碼再做人臉辨識。
使用 UNet 進行影像分割,可以應用於醫療影像切割,範例為胸腔 CT 影像切割。
使用 XGBoost Regression Time Series 進行時序性資料的迴歸分析。
使用 LSTM (Long Short-Term Memory) 進行時序性資料的分析。    
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,可應用在工廠瑕疵檢測、車流分析、人流分析、安全監控、醫療影像分析、生物影像分析、工安影像分析、口罩影像分析等領域,實在是非常厲害,台灣之光。
使用 XGBoost Classification 進行資料的分類。
此 APP 是一套結合多種影像標註工具的應用程式,主要包含有常見的LabelImg、Labelme 與立達軟體獨家開發的 Annotation 標註工具,支援 PASCAL VOC XML、YOLO、labelme、VIA JSON 等多種常見標註格式。
使用 Mask R-CNN 演算法進行影像物件計數及分割,可應用於醫療影像分析、魚類影像分析、生物影像分析、先進駕駛輔助系統、自動駕駛車、工廠瑕疵檢測等。
使用 XGBoost Regression 進行資料的迴歸分析。
將 YOLOv4 演算法包裝成 APP 工具,不需寫程式即可進行 AI 訓練及推論,支援最新 RTX-3090-24G GPU 及 CUDA 11.0 。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。
1 [2] 3 4