Google發表毫秒級人臉辨識框架BlazeFace,專攻行動GPU,在iPhone XS上推理辨識速度只要0.6毫秒,平均準確度為98.61%。

圖片來源: 

Google

重點新聞(0726~0801)

Google     BlazeFace     人臉辨識  

Google推出毫秒級行動人臉辨識框架BlazeFace,用新款iPhone推理識臉不到千分之1秒

Google近日發表了一款行動手機專用的毫秒級人臉辨識框架BlazeFace,特別針對行動GPU推理能力來優化,在iPhone XS上推理辨識速度只要0.6毫秒,等於1秒鐘可以辨識1千6百多次人臉圖形。研究團隊首先開發一個特徵萃取CNN模型,在架構中採用5x5卷積核(而非常見的3x3核),能在兩個卷積層之間新增另一層,提高影像處理效能。研究團隊用6萬6千張影像資料集上來訓練BlazeFace,並用2千張來自不同地區的影像來測試BlazeFace辨識效能。利用手機前置鏡頭來辨識人臉時,BlazeFace的平均準確度為98.61%,在iPhone XS上的推理處理時間縮短到0.6毫秒,而Pixel 3也可比原有模型快一倍,只需要達到3.4毫秒。

研究團隊指出,BlazeFace模型可部署到所有與臉部辨識相關的電腦視覺應用,像是2D、3D臉部關鍵點定位、輪廓或表面幾何計算,以及臉部特徵或表情分類等。BlazeFace可加強手機AR應用的低延遲,也能為手機AR開發者點出新方向。(詳全文)

  工研院     PECOLA    照護機器人  

工研院打造智慧照護機器人PECOLA,今年Q4將進安養院實測

工研院正研發一款獨居老人照護機器人PECOLA,結合感測器、攝影機和移動式基座,能偵測獨居老人的生理數據、活動行為和情緒等,要協助長者健康生活。PECOLA以智慧家具的樣貌呈現,可透過人臉辨識來設定照護對象。在影像辨識上,工研院利用卷積神經網路(CNN)建立居家飲食影像辨識系統,透過PECOLA頂部的攝影機,來分析獨居老人的飲食菜色,進一步計算出營養成分,並比對進食前後的餐點差異。

此外,PECOLA還可透過WiFi來偵測獨居老人睡眠時的心跳和呼吸率。工研院資通所所長闕志克指出,獨居老人睡覺時,只要開啟手機WiFi、放置一旁,PECOLA就能根據WiFi訊號的干擾,來計算老人的心跳和呼吸率,不論俯臥或仰臥。該功能已於長庚醫院測試,心跳偵測準確度達85%,呼吸率則達99%。照護機器人將於今年第四季進入安養院測試,來了解高齡使用者的反應和反饋。(詳全文)

  醫華生技    卵巢癌    智慧醫療  

國產卵巢癌細胞快篩平臺,30分鐘揪出卵巢癌細胞!

成立4年的醫華生技日前發表AI醫療新進展,藉國研院支援整合自行研發的晶片和AI技術,打造出國產卵巢癌細胞快篩平臺,最快30分鐘就能完成檢驗。醫華生技研發部經理陳聖文表示,要檢測卵巢癌細胞十分困難,因為主流卵巢癌檢測採循環腫瘤細胞檢測方式,原理是藉原發腫瘤脫落的細胞,進入血液或淋巴系統時,來抽血檢測是否含有腫瘤細胞;醫華生技董事長黃忠諤更指出,1毫升血液有40億顆細胞,通常只有3顆會是循環腫瘤細胞。

醫華生技開發的平臺,利用深度學習打造卵巢癌細胞辨識系統,可快速判斷血液樣本是否含有癌細胞。陳聖文指出,該系統利用數千張卵巢癌植株影像訓練而成,2年內已測試臺安醫院和彰化基督教醫院的600個案例,該系統目前正送件衛福部食藥署(TFDA)核准,明年將送件美國FDA審核。

  北醫   疾病預測       醫療區塊鏈  

北醫附醫擁抱AI疾病預測和醫療區塊鏈

北醫附醫日前展示自行開發的TED-ICU AI重症照護系統,能24小時收集、分析住院病患生理數據,並根據患者生命徵象,來推估病情嚴重程度。此外,該系統也導入去年底與臺灣人工智慧實驗室合作開發的敗血症AI預測系統,利用時序性生命徵象和病患資料,來預測4小時後的敗血症風險。北醫附醫資訊室副主任徐光宏指出,北醫附醫還自行開發了兩套病情預測ML系統,來供醫生挑選參數和演算法,進行病情預測,未來也將整合兩套平臺,成為一套系統。

此外,北醫附醫近日正式釋出新版醫院App iTPASS,其中以區塊鏈技術為主的「智鏈護照」則正式開放給一般北醫患者申請使用,登入App後可取得完整病歷摘要、檢驗影像等就醫資訊。此外,「智鏈護照」也能由使用者授權其他醫療院所的醫生瀏覽,轉診時無須返院申請病歷。(詳全文)

  人體生物資料庫   精準醫療     中研院 

瞄準精準醫療,中研院持續徵求自願者來發展國家級人體生物資料庫

近來吹起精準醫療風,各國紛紛建立國家級人體生物資料庫,要從中探索疾病與人體生物因子的關聯。中研院也自2012年開始建置臺灣人體生物資料庫,要整合國人生活習慣、環境因子、臨床醫學和生物標幟等資訊,找出常見致病因子和預防對策。

中研院日前出席亞洲生技大會指出,截至6月底,已累計了11萬6千多筆收案,中研院也持續徵求自願者,目標是要收集20萬筆一般民眾的生物資料,以及10萬筆擁有常見的數十種慢性病患者資料,來增加研究多樣性。臺灣人體生物資料庫也提供資料釋出服務,包括實驗資訊(如基因定序、白血球組織抗原分型)、身體檢測資訊、血液檢驗、問卷資訊等,促進學術研究。(詳全文)

臉書    地圖繪製     RapiD  

臉書以AI輔助繪製地圖,比人工標記快3倍

臉書日前發布AI輔助繪製地圖的工具RapiD,並貢獻給OpenStreetMap(OSM)專案,幫助OSM社群快速標記全世界的道路,而RapiD也已於mapwith.ai網站上開放給所有人使用。

為打造出可偵測衛星地圖道路的電腦視覺模型,臉書團隊以Maxar衛星圖像為資料集,手動標記衛星圖像中的道路,並開發出一個34層的DNN模型,用這些人工標記的資料來訓練模型,在解析度為每畫素約0.2平方公尺的衛星圖像上辨識道路。後來,臉書團隊將這項技術用來編輯泰國和印尼的地圖,補齊了地圖上90%的缺失道路,在18個月內就為泰國地圖標出了48萬公里的道路。如果以傳統的方法,至少需要花3年到5年才能完成同樣工作。(詳全文)

 

 

AWS    Chatbot     公測  

AWS Chatbot公測版問世

AWS近日推出AWS Chatbot公開測試版,將允許DevOps團隊於Slack和Amazon Chime協作平臺上接收各種Amazon服務的通知,包括了Amazon CloudWatch、AWS Health、AWS Budgets、AWS Security Hub、Amazon GuardDuty和AWS CloudFormation等6種。

當上述的AWS服務發出事件與通知時,Amazon SNS就會負責把通知傳送給AWS Chatbot,AWS Chatbot會先編排這些通知以讓它們方便閱讀,再將它們傳至聊天室。據內容平臺Revcontent測試,該公司的工程團隊使用AWS Chatbot來強化系統監控能力,設定非常簡單,但效果顯著,比如AWS Chatbot即時提醒負載平衡的錯誤率變高了,幫助團隊避免系統中斷。(詳全文)

圖片來源/Google、臉書    攝影/王若樸

 AI趨勢近期新聞 

1. 微軟與OpenAI結盟,將共同發展通用人工智慧

2. Google Cloud AI平臺加入模型分析工具What-If Tool,比較模型表現更視覺化

3. Lyft釋出Level 5自駕車研究資料集

資料來源:iThome整理,2019年7月


Advertisement

更多 iThome相關內容