單視角2D影像深度資訊不漏接 平面影像重建3D立體視覺(3)

(承前文)不同於3D雙目相機感測系統,單視角的深度估測(Monocular Depth Estimation)系統只需輸入由單視角(Single View)拍攝的平面RGB影像,就能估算出圖像(Image)中每個物件的深度資訊。具有多鏡頭(Shots)和多場景(Scenes)的2D視訊影片,也能應用單視角的線索(Cue)和偵測技術,獲得在2D視訊影像內每個物件的深度資訊。...
2023 年 10 月 16 日

CNN硬體轉換解封邊緣AI潛力

本系列文章由三部分組成,主要探討卷積神經網路(CNN)的特性和應用。CNN主要用於模式識別和物件分類。本文為系列文章的第三部分,重點解釋如何使用硬體轉換卷積神經網路,並特別介紹使用具有CNN硬體加速器的人工智慧(AI)微控制器在物聯網(IoT)邊緣實現人工智慧應用所帶來的好處。...
2023 年 10 月 13 日

分子介面工程助攻 鈣鈦礦電池效率更上層樓

鈣鈦礦太陽能電池擁有極佳的光電轉換效率,但其材料的穩定性卻仍有很大的改善空間。imec團隊近期發表了最新的研究成果,在分子介面工程技術的幫助下,鈣鈦礦太陽能電池的穩定性有了明顯的改善。 金屬鹵化物鈣鈦礦具備傑出的光電特性,成為備受矚目的新一代太陽能(PV)電池材料。這點的最佳體現就是功率轉換效率(PCE)的大躍進,鈣鈦礦太陽能電池(PSC)的這項性能指標在短短幾年內就從不到4%躍升到20%以上。但是這類技術的商用發展,還需要適用於業界的製程技術才能實現,這些技術能克服電池現有的穩定性問題等等。...
2023 年 10 月 11 日

軟體定義汽車導入Open Source SBOM解鎖聯網汽車軟體資安

在今日的聯網世界裡,軟體供應鏈資安已成為最令人憂心的議題。隨著軟體定義汽車(SDV)生態系的持續發展並大量使用開放原始碼元件,嚴密的資安布建變得比以往更加重要。不論是從外部取得的元件,或是開放原始碼元件,雖然使用第三方程式碼能簡化開發流程、加快上市時程,但卻也帶來了漏洞。...
2023 年 10 月 11 日

AI人機協作降半導體製程開發成本(2)

製造半導體晶片的瓶頸之一,是開發電晶體和記憶體儲存單元的化學電漿製程所需的成本越來越高。這些製程仍然是由訓練有素的工程師以人工方式進行開發,透過尋找機台上的參數組合,以便在矽晶圓上產出可接受的結果。 (承前文)實驗團隊執行製程虛擬遊戲,將該製程的模擬參數化,然後使用基於物理和經驗的關係將輸入機台參數組合「配方」與虛擬晶片上的輸出蝕刻結果相關聯,將其從現有資料校準到專有的特徵輪廓模擬器中。該遊戲的目的是找到一種配方,使此配方能夠產出符合目標的輸出指標,並最小化達成此目標的成本。...
2023 年 10 月 02 日

深度訓練提升CNN網路精度

本文是卷積神經網路,機器學習系列文章的第二部分,重點為介紹卷積神經網路(CNN)的特性和應用。CNN主要用於模式識別和物件分類。在第一部分文章中,比較了在微控制器中運作經典線性規劃程式與運作CNN的區別,並展示了CNN的優勢。探討了CIFAR網路,該網路可以對圖像中的貓、房子或自行車等物件進行分類,還可以執行簡單的語音辨識。而本文重點,將解釋如何訓練這些神經網路以解決實際問題。...
2023 年 09 月 29 日

車用資安軟體/漏洞管理襄助 車聯網安全挑戰有解

今日汽車供應鏈最大的挑戰之一,就是如何掌握自家產品可能存在的漏洞並迅速因應。有些車輛擁有許多電子控制單元(ECU),有些則包含多種不同的元件,不論是汽車製造商(OEM)或一級(Tier-1)供應商都面臨著一項艱難的挑戰,那就是戰線很長又必須能及時掌握其廣大受攻擊面的狀況。...
2023 年 09 月 08 日

相減立體視覺感測系統上路 雙目相機物件偵測超準確(1)

3D視訊監控系統和無人自駕車或移動式機器人,都需要3D相機來執行物件偵測(Object Detection)的任務。而具立體視覺的雙目相機比單目相機多了一個相機,因此提供了額外的資訊,來解決上述的問題。透過相減的立體視覺(Subtraction...
2023 年 09 月 08 日

相減立體視覺感測系統上路 雙目相機物件偵測超準確(2)

(承前文)3D視訊監控系統和無人自駕車或移動式機器人,都需要3D相機來執行物件偵測(Object Detection)的任務。而具立體視覺的雙目相機比單目相機多了一個相機,因此提供了額外的資訊,來解決上述的問題。透過相減的立體視覺(Subtraction...
2023 年 09 月 08 日

CNN網路建模精確特徵萃取

隨著人工智慧(AI)技術的快速發展,AI可支援越來越多以前無法實現或者難以實現的應用。有鑑於此,本系列文章特別解釋了卷積神經網路(Convolutional Neural Network, CNN)及其對人工智慧和機器學習的意義。CNN是一種能夠從複雜資料中擷取特徵的強大工具,例如識別音訊訊號或圖像訊號中的複雜模式就是其應用之一。本文討論了CNN相對於經典線性規劃的優勢,後續文章《訓練卷積神經網路:解析機器學習—第二部分》將討論如何訓練CNN模型,而第三部分則將討論一個特定用例,並使用專門的AI微控制器對模型進行測試。本文為「CNN相對於經典線性規劃」的一部分。...
2023 年 09 月 06 日

AI人機協作降半導體製程開發成本(1)

製造半導體晶片的瓶頸之一,是開發電晶體和記憶體儲存單元[1、2]的化學電漿製程所需的成本越來越高。這些製程仍然是由訓練有素的工程師以人工方式進行開發,透過尋找機台上的參數組合,以便在矽晶圓[3]上產出可接受的結果。電腦演算法所面臨的挑戰是,由於獲得數據的成本較高,可用的實驗數據有限,因此很難建立精確到原子級的預測模型。...
2023 年 09 月 04 日

光通訊技術奔向800Gbps(1)

在資料中心(Data Center)不斷成長的網際網路流量需求的推動下,目前發展的主流已是400Gbps。這個資訊流量爆發的年代,可以預期800Gbps或1,600Gbps的發展距離不會太遠。 人類在古代時就懂得使用狼煙,飛鴿傳書等的方式來傳送訊息,而工業革命後出現了電報,直到現代的網路,通訊技術不斷進化發展。在資料中心(Data...
2023 年 09 月 04 日