AI趨勢周報第95期：Google推超輕人臉辨識框架BlazeFace，在iPhone XS上推理0.6毫秒

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