【Jack Hsu】專欄

關於專欄作者
Jack Hsu工作經驗超過二十年,主要專長機電整合、電腦視覺、人機互動、人工智慧、專利分析及新創輔導。曾任機電整合工程師、機器視覺研發副理、技轉中心商業發展經理。目前擔任多家公司兼任技術顧問並積極推廣實境互動相關技術,並主持:
【Edge Impulse】EON Tuner AutoML工具介紹
EON Tuner是一項對於憑經驗手動逐一調整設定參數來說特別好用的工具,是可更輕鬆並快速找出多種合適且優化的模型,方便我們快速迭代及驗證想法。
當AIoT遇上tinyML是否會成為台灣MCU供應鏈下一個新商機!?
結合AI與IoT的智慧物聯網AIoT是近期科技業最火熱的行銷關鍵詞,tinyML(MCU等級的AI)也正悄悄崛起。本文將探討AIoT、MCU及tinyML之間的關聯,能帶給台灣MCU產業鏈什麼樣的機會,以及如何整合才能變成下一個明星產業。
【先試再上】Intel DevCloud助你雲端驗證AI佈署,免費!
Intel 推出的免費雲端開發平台「DevCloud」,不僅提供OpenVINO讓使用者進行AI推論程式開發及測試,更協助評估佈署後效能,讓使用者可以更精準地採購所需設備。本篇文章將帶領讀者深入了解這項免費工具。
小孩才作選擇,AI推論速度及準確度我全都要 ─ OpenVINO Post-Training Optimization Tool簡介
身為人工智慧(AI)從業人員,如何兼顧模型的速度和準確度是一大挑戰。利用INTEL OpenVINO推出的「Post-Training Optimization Tool (POT)」能有效解決,一起來了解如何使用吧。
不用寫程式也能玩轉深度學習模型 ─ OpenVINO™ DL Workbench圖形化介面工具簡介
DL Workbench(Deep Learning Works Benchmark)一個方便的網頁式圖形化介面工具,讓非程式設計背景的社群夥伴都可以輕鬆使用,一起來看看其使用流程以及範例操作吧!
串流影片分析慢吞吞?看OpenVINO™ DL Streamer如何加速效率
當深度學習技術遇到視訊檔案或串流影片時,逐格(by Frame)影像分析就變得很沒效率,有辦法提升嗎?可試試用DL Streamer來加速喔。
如何利用Docker快速建置OpenVINO™ Toolkit開發環境
為解決安裝步驟系統無法運行,OpenVINO推出Docker安裝方式,輕鬆搞定安裝及執行問題,本篇簡單說明Docker是什麼?以及相關的工作環境以及範例說明。
【開箱測試】開機即用的研華AI人臉辨識系統
透過研華最新「AI人臉辨識運算智能系統」,並搭配和訊連共同開發的FaceView及Intel VPU加OpenVINO,作者從不同面向來開箱評測,帶大家了解這套系統。
【OpenVINO™教學】土炮智能機器手臂之視覺系統
機器手臂早已成為自動化工廠中不可或缺的最佳幫手,本篇文章將會說明如何使用Intel OpenVINO™+RealSense™自製機器手臂之視覺系統。
【AI_Column】如何以YOLOv3訓練自己的資料集 ─ 以小蕃茄為例
本篇文章使用 RealSense D435 深度感測器取得影像,以 YOLO v3 為演算法,並以辨識(偵測)小蕃茄為例和大家介紹從收集(取像)、標註、訓練資料集到推論的工作流程。
【文創新利器】4D (Volumetric Capture) 建模與重現
文化部「IP內容實驗室」重金由法國引進的「4DViews」系統,且聽Jack解說這技術如何協助台灣多個文創領域產生新的火花。
【3D感測器】如何擷取Intel RealSense™串流影像到OpenCV
本篇文章將教大家如何從RealSense SDK擷取彩色、深度及紅外線串流影像並導入OpenCV中,方便後續開發自己的人機介面及相關計算功能。
搭配OpenVINO與OpenCV 電腦視覺一點都不難
處理電腦視覺只能靠 OpenCV 單打獨鬥嗎?OpenVINO 開源工具其實強化了「深度學習」技術在電腦視覺的相關應用,有效搭配兩者將能提升執行效能。
Intel RealSense™ SDK 無痛安裝指引
本篇文章以 Windows 10 環境安裝RealSense D435 為例,帶著大家一步步完成 SDK 安裝及 3D 感測器的韌體更新。
【OpenVINO™教學】土炮體感控制系統
微軟推出的Kinect雖然在2017年停產,卻也讓體感互動更上一層樓,但其實想要自製體感控制系統也不無可能,本篇文章將會說明,如何使用Intel OpenVINO結合OpenPose預訓練模型來完成「土炮體感控制系統」。
【OpenVINO™教學】土炮影像實例分割型智慧監控系統
過去要做到精準的物件偵測,不僅需要高難度的技術更需要專家協助,但運用OpenVINO能讓「語義分割」及「實例分割」的開發難度大大降低,本篇文章將會分享「實例分割型智慧監控系統」的概念驗證實驗。
【AI_Column】從 AIGO 業界出題看如何成功導入 AI
本篇文章依據AIGO第二梯次的廠商出題,探討一般人對 AI 的迷思、說明如何確認導入 AI 成效及未來該如何出題才能得到快速有效的解題方案。
如何讓Jetson Nano順利執行OpenCV中CUDA函式
本篇文章教大家如何讓 Jetson Nano 能順利執行 OpenCV4.1.0 中 CUDA 相關函式,該下載什麼、輸入什麼指令,全部詳細告訴你,有一樣困擾的人快來看看。
【AI_Column】3大熱門AI開發板效能比較文摘要
本篇文章摘要了外國網友比較三個 AI 開發版的文章,內容則是樹莓派加 Intel 神經計算棒、 NVIDIA Jetson Nano 及 Google Coral 三者的實驗數據比較。
【AI_Column】Nvidia Jetson Nano 真的比 Google Edge TPU 厲害嗎?
Nvidia 近期推出 Jetson Nano AI 開發板,勇奪各大人工智慧社群版面,來看看當前市場上三大 AI 開發板的比較吧!
【AI_Column】從 AIGO 業界出題內容看台灣 AI 如何落地
本文解析 AIGO 「產業出題、AI人才解題」的出題內容,並剖析分別屬於「電腦視覺」、「自然語言」及「數據分析」三大領域涵蓋的範圍及核心技術。
【AI_Column】樹莓派(Pi 3+)安裝 OpenCV4 / QT5 心得
本篇文章提供在樹莓派(Pi 3+)上安裝 OpenCV4 / QT5 的紀錄及注意事項,幫助大家順利進入開發環境。
【AI_Column】AI 神經計算棒大比拼:Intel Movidius vs. Orange Pi
USB 神經計算棒能加速執行深度學習推論工作,深受創客喜愛,本篇文章比較 Intel Movidius NCS、才剛推出的 NCS 2,及其競爭對手推出的不同規格。
【AI_Column】移植 Movidius 神經計算棒到 Pi Zero W
人工智慧當道,對於想學習及實作的 Maker 而言,樹莓派加上 Intel Movidius 神經計算棒(NCS)大概屬最容易取得且最經濟的平台,本文將教你如何打通NCS與Rasberry Pi Zero W連結運作的層層難關。
【AI_Column】運用 Intel OpenVINO 土炮自駕車視覺系統
本文除了介紹影像語義(像素級)分割原理、OpenVINO基本架構,更以如何建構自駕車視覺系統為例,介紹如何應用OpenVINO中預先訓練與優化的模型來進行場景辨識。
【智慧農業】採收機器人之視覺技術現況
採收機器人主要包含幾大部份,自走車(導航、定位)、機器視覺(果實空間XYZ位置、果實成熟度)、機器手臂(摘取、置放)等,本文將介紹視覺部份的可行技術現況。
【AI_Column】影像式AI虛擬助理真的要來了嗎?(下)
上一篇從影像式AI虛擬助理的應用場景以及關鍵技術進行討論,而下篇則著重在於市場趨勢發展,在目前市場發展的趨勢下,「語音助理」已經看似走到了瓶頸,而影像式AI虛擬助理是否能為「語音助理」帶來一道新的氣象?
【AI_Column】影像式AI虛擬助理真的要來了嗎?(上)
語音助理發展至今儼然已成了「超級紅海」,但下個「藍海」在那裡呢?會是影像式AI虛擬助理嗎?接下來,第一篇就從應用場景與關鍵技術來為大家說明。
SIGGRAPH 2018 先進技術(Emerging Technologies)解析
今年電腦圖學及人機互動領域研討會「ACM SIGGRAPH 2018」,作者就官方影片裡的八個項目進行介紹,讓大家能夠了解這些產品的技術與特色。
【AI_Column】AI 邊緣運算即將掀起風潮
今年Computex & InnoVEX 2018中可以嗅出一個方興未艾的風潮,那就是邊緣運算,本文將介紹邊緣運算為何興起,以及有哪些台灣廠商已推出相應的解決方案。
【Maker玩AI】使用Google Colaboratory免費資源學AI,正是時候!
當各政府單位、學界及業界街紛紛投入AI產業中,在Maker的場域中,如何迎接這AI世代的來臨呢?本文就為大家介紹如何取得及應用免費的AI實驗場域資源「Google Colaboratory」,並利用「深度學習」模型進行影像二元分類。
【AI Column】深度學習,從「框架」開始學起
想學習深度學習技術的人,第一步通常會遇到一大堆框架(Framework)卻不知如何選擇,本文將告訴你哪些才是主流框架,協助你找出最符合自己需求的框架。
創客也可以是網紅,台灣Maker網紅大集合
Maker(創客)也可以是Youtuber(網紅)嗎?我想這應該也是一個先有雞還是先有蛋的問題。是創客佛心地分享作法才讓一堆粉絲追隨,還是為了想紅搞出一堆瘋狂的創作吸引大家的目光?我想兩者都有。不管你現在是不是Maker,就從現在開始投入Maker的世界吧
【Tutorial】OpenQCam 在ePTZ攝影機的應用
這次的文章是利用上次 OpenQCam 樹莓派迷你開源相機所衍生的應用實例【ePTZ 攝影機】,一樣也會使用到 OpenCV,希望多提供大家一些應用上的想法。
【Tutorial】OpenQCam 樹莓派迷你開源相機
本文教你利用樹莓派 Pi Zero W、500 萬素相機模組、2.2 吋 TFT LCD、OpenCV,完成迷你可愛版數位相機【OpenQCam】。
【Edge Impulse】EON Tuner AutoML工具介紹
EON Tuner是一項對於憑經驗手動逐一調整設定參數來說特別好用的工具,是可更輕鬆並快速找出多種合適且優化的模型,方便我們快速迭代及驗證想法。
當AIoT遇上tinyML是否會成為台灣MCU供應鏈下一個新商機!?
結合AI與IoT的智慧物聯網AIoT是近期科技業最火熱的行銷關鍵詞,tinyML(MCU等級的AI)也正悄悄崛起。本文將探討AIoT、MCU及tinyML之間的關聯,能帶給台灣MCU產業鏈什麼樣的機會,以及如何整合才能變成下一個明星產業。
【先試再上】Intel DevCloud助你雲端驗證AI佈署,免費!
Intel 推出的免費雲端開發平台「DevCloud」,不僅提供OpenVINO讓使用者進行AI推論程式開發及測試,更協助評估佈署後效能,讓使用者可以更精準地採購所需設備。本篇文章將帶領讀者深入了解這項免費工具。
小孩才作選擇,AI推論速度及準確度我全都要 ─ OpenVINO Post-Training Optimization Tool簡介
身為人工智慧(AI)從業人員,如何兼顧模型的速度和準確度是一大挑戰。利用INTEL OpenVINO推出的「Post-Training Optimization Tool (POT)」能有效解決,一起來了解如何使用吧。
不用寫程式也能玩轉深度學習模型 ─ OpenVINO™ DL Workbench圖形化介面工具簡介
DL Workbench(Deep Learning Works Benchmark)一個方便的網頁式圖形化介面工具,讓非程式設計背景的社群夥伴都可以輕鬆使用,一起來看看其使用流程以及範例操作吧!
如何利用Docker快速建置OpenVINO™ Toolkit開發環境
為解決安裝步驟系統無法運行,OpenVINO推出Docker安裝方式,輕鬆搞定安裝及執行問題,本篇簡單說明Docker是什麼?以及相關的工作環境以及範例說明。
【AI_Column】如何以YOLOv3訓練自己的資料集 ─ 以小蕃茄為例
本篇文章使用 RealSense D435 深度感測器取得影像,以 YOLO v3 為演算法,並以辨識(偵測)小蕃茄為例和大家介紹從收集(取像)、標註、訓練資料集到推論的工作流程。
【OpenVINO™教學】土炮體感控制系統
微軟推出的Kinect雖然在2017年停產,卻也讓體感互動更上一層樓,但其實想要自製體感控制系統也不無可能,本篇文章將會說明,如何使用Intel OpenVINO結合OpenPose預訓練模型來完成「土炮體感控制系統」。
【OpenVINO™教學】土炮影像實例分割型智慧監控系統
過去要做到精準的物件偵測,不僅需要高難度的技術更需要專家協助,但運用OpenVINO能讓「語義分割」及「實例分割」的開發難度大大降低,本篇文章將會分享「實例分割型智慧監控系統」的概念驗證實驗。
【AI_Column】從 AIGO 業界出題看如何成功導入 AI
本篇文章依據AIGO第二梯次的廠商出題,探討一般人對 AI 的迷思、說明如何確認導入 AI 成效及未來該如何出題才能得到快速有效的解題方案。
如何讓Jetson Nano順利執行OpenCV中CUDA函式
本篇文章教大家如何讓 Jetson Nano 能順利執行 OpenCV4.1.0 中 CUDA 相關函式,該下載什麼、輸入什麼指令,全部詳細告訴你,有一樣困擾的人快來看看。
【AI_Column】3大熱門AI開發板效能比較文摘要
本篇文章摘要了外國網友比較三個 AI 開發版的文章,內容則是樹莓派加 Intel 神經計算棒、 NVIDIA Jetson Nano 及 Google Coral 三者的實驗數據比較。
【AI_Column】Nvidia Jetson Nano 真的比 Google Edge TPU 厲害嗎?
Nvidia 近期推出 Jetson Nano AI 開發板,勇奪各大人工智慧社群版面,來看看當前市場上三大 AI 開發板的比較吧!
【AI_Column】從 AIGO 業界出題內容看台灣 AI 如何落地
本文解析 AIGO 「產業出題、AI人才解題」的出題內容,並剖析分別屬於「電腦視覺」、「自然語言」及「數據分析」三大領域涵蓋的範圍及核心技術。
【AI_Column】AI 神經計算棒大比拼:Intel Movidius vs. Orange Pi
USB 神經計算棒能加速執行深度學習推論工作,深受創客喜愛,本篇文章比較 Intel Movidius NCS、才剛推出的 NCS 2,及其競爭對手推出的不同規格。
【AI_Column】影像式AI虛擬助理真的要來了嗎?(下)
上一篇從影像式AI虛擬助理的應用場景以及關鍵技術進行討論,而下篇則著重在於市場趨勢發展,在目前市場發展的趨勢下,「語音助理」已經看似走到了瓶頸,而影像式AI虛擬助理是否能為「語音助理」帶來一道新的氣象?
【AI_Column】影像式AI虛擬助理真的要來了嗎?(上)
語音助理發展至今儼然已成了「超級紅海」,但下個「藍海」在那裡呢?會是影像式AI虛擬助理嗎?接下來,第一篇就從應用場景與關鍵技術來為大家說明。
【AI_Column】AI 邊緣運算即將掀起風潮
今年Computex & InnoVEX 2018中可以嗅出一個方興未艾的風潮,那就是邊緣運算,本文將介紹邊緣運算為何興起,以及有哪些台灣廠商已推出相應的解決方案。
【Maker玩AI】使用Google Colaboratory免費資源學AI,正是時候!
當各政府單位、學界及業界街紛紛投入AI產業中,在Maker的場域中,如何迎接這AI世代的來臨呢?本文就為大家介紹如何取得及應用免費的AI實驗場域資源「Google Colaboratory」,並利用「深度學習」模型進行影像二元分類。
【AI Column】深度學習,從「框架」開始學起
想學習深度學習技術的人,第一步通常會遇到一大堆框架(Framework)卻不知如何選擇,本文將告訴你哪些才是主流框架,協助你找出最符合自己需求的框架。
【先試再上】Intel DevCloud助你雲端驗證AI佈署,免費!
Intel 推出的免費雲端開發平台「DevCloud」,不僅提供OpenVINO讓使用者進行AI推論程式開發及測試,更協助評估佈署後效能,讓使用者可以更精準地採購所需設備。本篇文章將帶領讀者深入了解這項免費工具。
小孩才作選擇,AI推論速度及準確度我全都要 ─ OpenVINO Post-Training Optimization Tool簡介
身為人工智慧(AI)從業人員,如何兼顧模型的速度和準確度是一大挑戰。利用INTEL OpenVINO推出的「Post-Training Optimization Tool (POT)」能有效解決,一起來了解如何使用吧。
不用寫程式也能玩轉深度學習模型 ─ OpenVINO™ DL Workbench圖形化介面工具簡介
DL Workbench(Deep Learning Works Benchmark)一個方便的網頁式圖形化介面工具,讓非程式設計背景的社群夥伴都可以輕鬆使用,一起來看看其使用流程以及範例操作吧!
串流影片分析慢吞吞?看OpenVINO™ DL Streamer如何加速效率
當深度學習技術遇到視訊檔案或串流影片時,逐格(by Frame)影像分析就變得很沒效率,有辦法提升嗎?可試試用DL Streamer來加速喔。
如何利用Docker快速建置OpenVINO™ Toolkit開發環境
為解決安裝步驟系統無法運行,OpenVINO推出Docker安裝方式,輕鬆搞定安裝及執行問題,本篇簡單說明Docker是什麼?以及相關的工作環境以及範例說明。
【OpenVINO™教學】土炮智能機器手臂之視覺系統
機器手臂早已成為自動化工廠中不可或缺的最佳幫手,本篇文章將會說明如何使用Intel OpenVINO™+RealSense™自製機器手臂之視覺系統。
搭配OpenVINO與OpenCV 電腦視覺一點都不難
處理電腦視覺只能靠 OpenCV 單打獨鬥嗎?OpenVINO 開源工具其實強化了「深度學習」技術在電腦視覺的相關應用,有效搭配兩者將能提升執行效能。
【OpenVINO™教學】土炮體感控制系統
微軟推出的Kinect雖然在2017年停產,卻也讓體感互動更上一層樓,但其實想要自製體感控制系統也不無可能,本篇文章將會說明,如何使用Intel OpenVINO結合OpenPose預訓練模型來完成「土炮體感控制系統」。
【OpenVINO™教學】土炮影像實例分割型智慧監控系統
過去要做到精準的物件偵測,不僅需要高難度的技術更需要專家協助,但運用OpenVINO能讓「語義分割」及「實例分割」的開發難度大大降低,本篇文章將會分享「實例分割型智慧監控系統」的概念驗證實驗。
【AI_Column】運用 Intel OpenVINO 土炮自駕車視覺系統
本文除了介紹影像語義(像素級)分割原理、OpenVINO基本架構,更以如何建構自駕車視覺系統為例,介紹如何應用OpenVINO中預先訓練與優化的模型來進行場景辨識。