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。

CUDA, cuDNN, Terminal, Jupyter Lab, Spyder, labelImg, lableMe 等。

RTX-3090-24G 的 CUDA core 是 Titan RTX 的兩倍，訓練速度提升40%較為顯著，推論速度提昇10%不顯著。

顯示卡驅動程式, CUDA, cuDNN, PyTorch, TensorFlow 全部都必須升級到新版或開發版才能使用。

傳統演算法優先，影像分類，可解釋性，物件偵測，語意分割，物件分割，異常檢測，學好樣本，雙網路檢測。

馬變成斑馬，斑馬變成馬。夏天變冬天，冬天變夏天。照片變油畫，油畫變照片。整張照片風格變換效果較好，例如：照片變油畫，油畫變照片。部分照片風格變換效果較差，例如：馬變成斑馬，斑馬變成馬。將風格變換對象放大佔整張照片的50%以上甚至滿版，背景單純，效果才會好。

可解釋性, 影像分類, 物件偵測, 語意分割, 物件分割, 人臉辨識, 姿態辨識, 車牌辨識

DICOM 介紹，讀取 dcm 檔案的字串內容及影像內容。

可解釋性，導入領域專家概念，例如：線的概念。一般資料分析及時間序列資料分析。

YOLOv4 的前身，透過優化 CNN 架構，降低20％運算量，但是精度維持不變。

使用 Auto Encoder 進行異常偵測。

適用於車流計數、人流計數

使用初步訓練好的模型，標註新的訓練影像，節省時間。

使用 OpenCV 進行傳統類比錶頭影像辨識。

包含 Kneron KL520 AI SoC USB Stick 的開箱及操作介紹。

適用於影像分割演算法的標註。

廣泛應用於醫療影像分析、生物影像分析、自駕車影像分析、瑕疵檢測等。

x64 架構，可以跑 Windows 10 、 Ubuntu Linux 18.04 ，開發容易，驅動程式支援完整。工業規格，亦可升級軍用規格。

影像資料擴增的方法主要有旋轉、平移、翻轉、縮放、伸展、斜體、彈性皺摺等方法，但須注意合理性。

號稱比 Mask R-CNN 快3倍，但是準確度略低。

使用 Anaconda 安裝 Python AI 套件。

工廠生產排程建議用窮舉法（暴力法）找出全域最佳解。如果排程複雜度高，例如：64核心電腦在一小時內無法用窮舉法（暴力法）找出全域最佳解，才考慮用基因演算法在短時間內找出局部最佳解。

將新的 AI 技術應用在農業。

後疫情時代的改變、人工智慧應用由取代人工轉變為節省設備材料成本、常用資料分析演算法比較、醫療影像判讀由人工判讀轉變為 AI 輔助判讀、常用影像分析演算法比較

Transformer 是一種新的深度學習網路架構，在序列性任務的表現特別好，常用於自然語言處理（NLP）、語音辨識等領域。臉書最近發表的影像辨識模型 DETR ，特別採用 Transformer 架構應用在物件偵測上。

使用 PySide2 。

PyTorch, TensorFlow, Keras, ONNX, TensorRT, OpenVINO AI 模型檔案的轉換，速度 (FPS) 與精度 (FP64, FP32, FP16, INT8) 之間的取捨。

應用於 PC/NVIDIA Jetson/樹莓派 與 PLC/Arduino/感測器/GPS 的 RS-232/RS-485 通訊。