影片介紹

應用深度學習技術自動識別工廠排放的煙霧，並結合時序特徵萃取與特徵分離網路，不僅能有效降低背景噪聲的影響，還能通過分析時間序列數據，從而提高識別的敏感性和準確度。搭配 Unity 人工生成的煙霧數據集進行模型訓練，不僅降低了數據收集的成本，還能生成多樣化的訓練樣本，以彌補現有資料集的不足。

大型語言模型是一種基於深度學習的人工智慧模型，能夠理解和生成自然語言，使用範圍廣泛，包含語言翻譯、聊天機器人等，透過開發硬體加速器可以加速推論過程，以達到即時回應的效果。

與日月光合作中的產學合作計畫，開發Web-based的智能影像查找系統，可將影像匯入平台進行條件式的物件搜尋，實現從影像大海撈針的功能。

    應用進階深度神經網路架構，用以提高對於圖像中文字資料辨識的精準度。可實現大量文件自動電子化的功能。

    與中鋼進行中的產學合作計畫，利用於機台運作時產生的訊號，透過深度神經網路模型，判斷機台運作是否發生異常。

    根據先前提出過的神經網路影像辨識方案，將其整合成一個機器學習模型，藉由觀測蝦子生長情形，提供多方面的訊息供養殖者運用並即時因應情況多變的水下養殖策略。

    圖片功能說明：左上飼料辨識、中上同時辨識蝦隻與飼料、右上體長辨識、左下速度辨識、中下體長辨識、右下邊緣裝置辨識蝦隻