檢索結果：共7筆資料 檢索策略： "modeling".ekeyword (精準) and cadvisor.raw="陸敬互"
個人化服務 ：
排序：
每頁筆數：
已勾選0筆資料
1
物聯網時代的來臨，數以萬計的聯網攝影裝置將會產生極大量的資料，使得透過邊緣運算來降低雲端運算瓶頸的需求逐漸增加。其中，隨著深度學習模型與辨識技術之精進，透過結合邊緣計算的大量攝影機（本研究稱為邊緣攝…
2
隨著科技產品製作技術逐漸成熟，使物聯網系統得以快速發展，其產生的龐大數據量，可使用深度神經網路處理，不過標記資料與訓練模型皆需要花費人力、時間，與運算資源，而透過轉移學習可以解決該問題。但傳統的系統…
3
隨著物聯網的發展，能發揮邊緣計算效益的攝影機 (本研究稱為邊緣攝影機) 結合人工智慧技術提供物聯網加值服務已成了可能。然而，邊緣攝影機身處多變的環境，其擷取之影像可能受天氣、光線與雜訊干擾。除了影響…
4
隨著物聯網 (IoT) 的發展，在具有IoT功能的攝影機上利用既有的計算資源來實現邊緣智能 (以下稱為邊緣攝影機) ，藉此提供各種以人為中心的服務。但是，環境干擾 (例如暴雨) 會嚴重降低圖像進入邊…
5
隨著物聯網 (IoT) 技術與人工智慧 (AI) 應用逐漸成熟，人工智慧物聯網 (AIoT) 便順勢飛快發展。AIoT以「低接觸服務」特質的無人介入之智慧生活應用最為熱門，目前為「無人商店」最貼近一…
6
近年來，善用邊緣運算能力的攝影機 (以下稱為邊緣攝影機) 結合深度神經網路來實現人工智慧物聯網 (AIoT) 的應用不斷增加，讓具備「低接觸服務」的「無人商店」之智慧生活得以實現。然而，在無人商店佈…
7
近年來，善用邊緣運算能力的攝影機 (以下稱為邊緣攝影機) 讓具備「低接觸服務」的「無人商店」之智慧生活得以實現。然而，在無人商店佈署大量邊緣攝影機並訓練其邊緣模型非常消耗時間與人力成本。為解決以上問…