影像辨識作為人工智慧應用的一環，已廣泛用於生活周遭，不管是辨別影像上的物件，或是對不同物件進行分類等，電腦藉由影像轉換、色彩調整、像素之間的對照與分類，最終能辨識圖像目標，勾勒物件輪廓(如圖1)。

這些技術的背後不僅有電腦視覺的理論基礎，面對不同應用情境，也有不同的影像訓練方式。試想，當遙測與光達技術不斷提升時，我們熟悉的2D影像技術，是否有更多應用的可能性？本期電子報將帶大家回顧機器學習的發展、觀察國內不同領域的應用、以及目前國際研究趨勢。

過去約莫20年間，大數據浪潮席捲世界，從早期由數據萃取資訊，融合經驗形成知識，到2012年Gartner對大數據定義的3個V，Volume（量體）、Velocity（速度）和Variety（多樣性），藉由儲存技術與演算法改良之賜，數據時代逐漸走向智慧時代(如圖2)。

人工智慧（Artificial Intelligence = AI）廣義來說，是電腦經由程式設計後，能表現出近似人類智慧的行為，而機器學習是達成人工智慧的其中一種方式，藉由大量資料的處理與訓練，讓電腦找出背後隱藏的公式法則(判斷模型)。在這些演算法中，目前最成熟、應用最廣，也進一步促成這波AI應用大爆發的，就是深度學習演算法(如圖3)。

機器學習的方式，可概分為三種，監督、非監督以及強化式學習，不同方式有著不同的優點，同時也有其限制(如圖4)。

在有了上述的背景概念之後，下一個問題便是，電腦究竟是怎麼看圖像的呢？人類觀看世界的方式(如圖5)，跟電腦觀看的方式有很大的不同；對電腦來說，依靠的是不同顏色的小點(像素，pixel），以不同方式的排列來分辨圖像(如圖6)。

當電腦使用像素的方式儲存圖像後，便能針對排列的規則(如圖7)，應用不同演算法，進行特徵的掃描與歸納，最後得出像素的特徵矩陣（如圖8），作為後續辨識的模型。

上述像素轉換與特徵的萃取，加上大量的影像資料，結合訓練方式所得到的模型，便能使電腦獲得辨識影像中物件的能力，以此進行分析、統計、框選與比較，並進一步應用於不同議題與領域。比如遙測影像分類、防災監測、設施與巡檢、人流統計與自動駕駛、水位尺狀態偵測等(如圖9)。

例如，國內的興創知能公司以Python語言為基礎，整合GDAL(Geospatial Data Abstraction Library)，開發了TronGisPy套件(如圖10)，以開源的MIT授權釋出。這個GIS影像自動化處理開源套件，能提供機器學習前處理、後處理功能，加速資料處理速度，建置GIS自動化流程，其簡化的GDAL介面、Python介面等，能讓工程師快速開發多種應用(如圖11)。

影像辨識應用上不僅能用於遙測，也能用於道路安全，如交通部運輸研究所搭配無人機影像，偵測人、車等交通流量與軌跡(如圖12)，並透過軟體分析路口衝突熱點(如圖13)，以防範事故於未然。

在生活與商用領域，影像辨識技術越趨成熟，而在2D影像之外，演算法的發展、3D測量技術如光達掃描的結合，又有哪些應用的可能？讓我們從電腦視覺領域的大型研討會中，發掘目前的研究趨勢與技術前沿。

目前電腦視覺Computer vision研討會中，論文收錄方向包括了影像感知、顏色、光線與紋理處理，分割與聚合，運動與跟蹤，立體視覺與運動結構重構，圖像建模，物理建模，統計，物件或場景識別等。其中較為大型的三個會議分別為CVPR(Conference on Computer Vision and Pattern Recognition，如圖14)、ICCV(International Conference on Computer Vision，如圖15)和ECCV(European Conference on Computer Vision)。

研討會中涵蓋了電腦視覺的各種應用可能，其中2021的CVPR中，微軟亞洲研究院被收錄的論文之一，展示了3D物件偵測與深度圖、2D物件的混合辨識可能性。論文中提出了新的點雲產生器（SpareNet，如圖16），其微分特性與深度圖的應用(如圖17)，在3D物件偵測與重建上，得到了不錯的結果(如圖18)

在可見的未來，影像辨識將不止於平面的光學影像，深度感測技術的進步，以及3D物件辨識的研究發展，相信在硬體成本逐漸克服後，3D影像辨識將帶來更多應用的可能性。

1.　ML機器學習種類與訓練方式：
https://ithelp.ithome.com.tw/articles/10276406
2.　人工智慧與機器學習的差異：
https://www.prowesscorp.com/whats-the-difference-between-artificial-intelligence-ai-machine-learning-and-deep-learning/
3.　AI & Big Data的演變趨勢(中)—演算法篇：
https://taccplus.com/technews-2021-07-26/
4.　教電腦「看」世界：電腦也能當球賽戰術分析員！：
https://pansci.asia/archives/117676
5.　計算機視覺筆記及資料整理(含圖像分割、目標檢測)：
https://www.twblogs.net/a/5ee54d6d938dcc944ed9ee7c
6.　興創知能- Geo-AI浪潮下的影像辨識應用新契機：
https://www.asmag.com.tw/showpost/12223.aspx?name=%E8%A1%8C%E6%A5%AD%E6%87%89%E7%94%A8
7.　TronGisPy: GIS網格資料處理工具：
https://jeremy455576.medium.com/trongispy-gis%E7%B6%B2%E6%A0%BC%E8%B3%87%E6%96%99%E8%99%95%E7%90%86%E5%B7%A5%E5%85%B7-42815036b353
8.　TronGisPy-GitHUB：
https://github.com/thinktron/TronGisPy
9.　UAV空拍+AI影像辨識，協助地方守護路口安全：
https://www.iot.gov.tw/cp-24-206265-2e8d6-1.html
10.　CVPR2021主要會議論文的視覺化查詢效果：
https://blog.kitware.com/demos/cvpr-2021-papers/?filter=authors&search=
11.　CVPR 2021亮點：視覺研究前沿進展概述
https://www.microsoft.com/en-us/research/lab/microsoft-research-asia/articles/cvpr-2021-highlights-an-overview-of-the-cutting-edge-progress-of-vision-research/
12.　Style-based Point Generator with Adversarial Rendering for Point Cloud Completion
https://arxiv.org/abs/2103.02535