離開
進入人工智慧技術 分析車流準確率達9成
中研院資訊科學研究所特聘研究員廖弘源（右二）和博士後研究員王建堯（左三），與俄羅斯開發者博科夫斯基共同研發出世界上最快、最準物件偵測演算法YOLOv4。（記者簡惠茹攝）
中研院開發YOLOv4 全球最快最準物件偵測演算法
〔記者簡惠茹／台北報導〕中研院團隊與俄羅斯開發者合作，將人工智慧技術帶向新的里程碑；團隊研發出世界上最快、最準物件偵測演算法YOLOv4，4月公開釋出，任何人都可以免費使用，獲得全球許多研發單位應用，且有國外新創團隊應用於社交距離偵測，台灣則已經用於智慧車流分析。
與俄羅斯開發者合作
中研院資訊科學研究所特聘研究員廖弘源和博士後研究員王建堯，與俄羅斯開發者博科夫斯基共同研發出YOLOv4，平均正確率比前一代提升10%、達43.5%，應用於交通車流分析的正確率更可達到90%以上。
國外應用於社距偵測
王建堯說明，YOLO屬於電腦視覺深度學習技術，過去物件偵測技術通常需要辨識圖像然後分類2個步驟。第1代YOLO在2016年研發成功，1個步驟就能完成；只要訓練一個網路模型，電腦看一眼就能判斷照片或影像中物件類別和位置，大大提升辨識速度。
團隊從去年11月開始合作，歷經5個月開發成功，關鍵突破主因在於設計出一個全新的卷積神經網絡，減少運算量的同時，保持甚至提升準確度，還有加上訓練方式的優化。
設備需求低 運算速度快
王建堯分析YOLOv4的優點，在於設備需求更低、運算速度更快、正確率更高。過去運算設備價格高達數百萬元，耗電量大，資料收集到後還要上傳到雲端，系統沒辦法即時回饋，還有個人隱私問題。新技術只需要1台筆電、簡單晶片就可以在第1線即時分析，且有媲美雲端運算的高精確度。
廖弘源指出，2年前團隊跟義隆電子合作開發智慧城市交通車流解決方案，建置智慧車流分析系統，今年3月將此技術應用於此計畫，可以在每個路口即時偵測車輛、停車車列和車速，還能進一步運用人工智慧控制燈號。
