loading...
中研院資訊科學研究所特聘研究員廖弘源、博士後研究員王建堯與與俄羅斯開發者博科夫斯基合作，研發出目前世界上最快最準的物件偵測演算法YOLOv4，平均正確率達43.5%，比前一代YOLOv3提高10%，一舉超越其他種影像辨識技術。同時也與義隆電子合作開發「智慧城市交通車流解決方案」，目前已布設於桃園、新竹等地，在路口就能進行交通影像辨識及車流分析，甚至一眼就能揪出是否超速。
中研院指出，YOLOv4是一種利用人工智慧執行即時物件偵測的技術，能偵測物件、追蹤及判斷，可應用於交通車流計算、自駕車研發、工廠瑕疵檢測、醫療影像分析、五官定位等。自4月以開放原始碼免費釋出後，全世界已有數萬人測試應用。
YOLO是You only look once的簡稱，自2015年推出第一代版本後，深受開發者喜愛，為電腦視覺技術立下重要的里程碑。廖弘源研究團隊改良後的YOLOv4性能更強大，經微軟開源影像資料庫（MSCOCO）測試，辨識物件的速度及精確度皆大幅提升，堪稱是目前世界上辨識速度最快、最精準的物件偵測演算法。
王建堯說，物件偵測技術追求速度和精準，二者缺一不可，卻難以兼備。他從去年開始改良YOLOv3，一改過去多採「降速求控球」，即降低或犧牲速度來換取準確度提升；轉而從YOLO所運行的人工智慧模型著手，改善網路識別物件的回傳機制，優化傳輸路徑，以減少演算法的計算量，因此能增加運算內容的多樣性及運算速度。
王建堯的成果引起YOLO網路架構維護者博科夫斯基（Alexey Bochkovskiy）的興趣，主動聯繫王建堯，雙方自去年11月攜手合作，經過5個多月日以繼夜地開發，今年4月宣布完成新一代的YOLOv4演算法。
深度學習演算法的計算複雜度高，YOLOv4也突破過去的技術限制，擁有輕盈的系統架構、高效率的演算法等優勢，使用一般的圖形處理器就能運算，「像是用算盤打出計算機的速度。」王建堯表示，團隊的開發初衷，即希望打造一個親民、好用的偵測系統，降低硬體成本，讓每個人都能以此技術創造更多有趣的應用。
廖弘源指出，YOLOv4使用的關鍵技術源自該團隊承接科技部人工智慧專案計畫，與義隆電子合作開發的「智慧城市交通車流解決方案」。為建置智慧車流分析系統，需要結合影像感測器和電腦視覺，在每個路口就能即時偵測車輛、停等車列及車速。團隊藉由著手改良YOLO演算法，發展更輕量、精準、快速的物件偵測核心技術，以實際應用於交通影像辨識。
