| 時間 |
流程 |
| 10:00~10:15 |
開幕致詞 中興大學理學院 施因澤院長 |
| 人工智慧與產業應用 |
| 10:15~10:45 |
ITRI 闕壯華 技術副理
- 題目: 前進智慧製造-機台故障預診斷與虛擬量測簡介
- 講者: ITRI 闕壯華 技術副理
- 大綱:
1. 產業現況與問題描述
2. 故障預診斷解決方案與案例說明
3. 虛擬量測解決方案與案例說明
4. 結論
|
| 10:45~11:15 |
ITRI 藍坤銘 副組長
- 題目:智慧製造時代工業機器人AI技術與價值
- 講者: ITRI 藍坤銘 副組長
- 大綱:
1. 人工智慧概述
2. 當工業機器人遇上人工智慧
3. 實際案例說明與分享
4. 結論
|
| 11:15~11:45 |
QA及座談 Part I(七名講者及林長鋆老師、陳律閎老師) |
| 11:45~13:15 |
午餐 |
| 農業數據處理 |
| 13:15~13:45 |
行政院農業委員會農業試驗所應用動物組 陳淑佩博士
- 農業檢測
- 題目:自動影像辨識於農業害蟲之運用-以重要檢防疫害蟲為例
- 大綱:害蟲在臺灣常年高溫多濕的環境下，可能出現並建立其族群加以危害農作
物，不管栽種或出貨期間，可能因而影響其品質，進而影響農友之利益。其解
決之道重點在於對確知種類之害蟲進行防治管理，並有效融入整個栽培管理體
系。但正確鑑定害蟲，除需專業分類人員外，為確保外銷農產品是否有檢疫列
名害蟲的風險，每年需耗費大量人力進行檢測工作及資訊即時性等需求，皆為
發展害蟲影像自動辨識發展之原由。以蝴蝶蘭園常見蟲相為例，已將累積多年
的人工鏡檢蟲相資料，藉由影像辨識模組，於1分鐘內完成對單張黏蟲紙之蟲相
分析，自動辨識率可達85%以上。除大幅減少檢測輸美蘭園蟲相檢查之人力，
有效提升農業e化程度及建立非疫生產點外，亦可協助業者在園區做好自主管理
，降低蟲害風險，確保蘭花品質。未來將透過網路雲端，提供從臺灣出口蘭花
在國外進行接力栽培的業者，利用網路即時鑑定，並可查詢防治及生態等資訊
，解決栽培過程中所遇到蟲害問題，創造良好的銷售及服務機制，可提升台灣
蝴蝶蘭產業之口碑，俾利開拓更多潛在的國外市場。此外，隨影像自動辨識技
術 (如卷積神經網路（Convolutional Neural Networks,
CNN）、Tensorflow、YOLO、Inception及R-CNN等模型之應用)日益進展，進行
深度學習及整合無線網路，不但可提供重要檢防疫害蟲即時辨識、完整的資訊(
包括作物種類、鑑定資料、危害狀影像、防治建議、預測及預警蟲害之爆發時
間及相關網站的聯結)外，並供給農友及研究人員查詢害蟲種類及其防治建議，
除增加防治效能外，亦能杜絕潛在農業外來種害蟲的風險。
|
| 13:45~14:15 |
陳相伶教授
- 動物生態及路徑資料分析
- 題目: 野生動物資料收集與處理- 應用人工智慧的可能性?
- 摘要:
1.簡介野生動物資料的主要收集方法與資料類型，包含紅外線自動照相機、穿越線調查、捕捉標放法、無線電追蹤、監視錄影
2.資料處理現狀與問題描述
3.應用人工智慧於野生動物資料處理的需求
4.結論
|
| 14:15~14:45 |
QA及座談 Part II (七名講者及黃文瀚教授、沈宗荏教授) |
| 14:45~15:15 |
Break |
| 多媒體數據處理 |
| 15:15~15:45 |
蘇黎教授 From IIS, Sinica
- 題目: New approaches of music AI
- 大綱: The dream of “computer musicianship” has become one of the most attractive topics that AI developers are approaching. Unlike other AI application fields which are dominated by the deep learning approach, music processing is still requiring new investigation on digital signal processing and the aid of domain knowledge. In this talk I will introduce the application fields of music AI, including transcription, synchronization, generation, and connoisseurship. Recently developed techniques are introduced and demonstrated, and in this vein, the achievement as well as the limitation of deep learning are discussed.
|
| 15:45~16:15 |
江振國教授
- 題目: 適用於大型雲端與嵌入式系統的深度模型學習
- 大綱: 深度學習技術已經被證實能有效的提升傳統機器學習方法，在許多電腦視覺問題上，達到更高的辨識率與準確性，能進一步用於智慧製造與供應鏈。但在訓練資料不足或是模型過度複雜時，深度學習模型在訓練上容易遇到過度擬合的問題，當設計了新的深度學習模型，如何正確訓練出新的模型，並進一步能提升模型的準確性，適用運算資源有限的嵌入式系統。其次，針對較複雜的大型模型，如何設計並結合包含多種技術目標的深度學習架構，產生新的深度學習模型置於雲端，將在此一演講中詳細介紹。
|
| 16:15~16:45 |
凃瀞珽教授
- 題目:Teaching Machines to Draw Facial Sketches
- 大綱: The automatic synthesis of facial sketches has attracted growing interest in the computer vision field in recent years. In large part, this interest can be attributed to emerging law enforcement requirements for automatic facial recognition and subject detection, and the needs of social media and the digital entertainment industry to caricature facial images in a humorous and/or exaggerated way. However, manually producing facial sketches which accurately portray the unique characteristics of an individual’s face is difficult and requires an innate artistic ability or years of dedicated practice and training. In this talk, I will present approaches that we have developed to teach machine to draw facial sketches by learning from examples. The proposed scheme aims to synthesize sketches, which reproduce the unique drawing style of a particular artist. In particular, the proposed approach is capable of synthesizing facial sketches from input images with a wide variety of facial poses, gaze directions, and facial expressions even when such images are not included within the original training data set.
|
| 16:45~17:15 |
QA及座談 Part III(七名講者及謝博文教授、彭冠舉教授) |
| 18:00~20:00 |
講者與系上老師餐敘 |
