AI 人工智慧

目前市場上能夠使用 Arduino 進行開發並且搭配攝影鏡頭開發板並不多見，其中以 ESP32-CAM 因為價錢低廉能見度最高，但將兩者相比， AMB82 mini 在影像串流與神經網路應用卻是技高一籌，不論是做到 RTSP 即時雙軌串流，或是神經網路的人臉識別與物件偵測都能有非凡的效能。

由 VIA 威盛開發的 Pixetto 要怎麼玩 AI呢?本篇文章就要教大家使用 Pixetto 鏡頭透過積木程式實現影像辨識。

到底 Maker 們要怎麼透過 DFRobot HuskyLens 玩 AI 呢?本篇文章就要帶大家一起認識 HuskyLens，並且介紹幾個相關的 AI 專案：micro:bit 小車、寶可夢分類器、Pi Pico 智慧讀表、人臉辨識門鎖。

Maker 玩 AI 系列(一)：想要自己動手開始嘗試玩 AI，卻不知道該從何入手嗎？本篇文章就要為大家介紹 Google 於 2017 年推出的 Teachable Machine，帶各位讀者一步步操作，並且與大家分享筆者的使用心得喔！

Jetson Nano DLI 教學(三) Image Regression影像回歸。大家應該有聽過數值的迴歸分析，但影像回歸就比較少見了吧？影像回歸相當有趣 ，即便他實用性不算太好。但可用來定位圖像上特徵的座標，在Jetbot專案也有使用到，現在就讓再熟悉一下CNN神經網路！

Jetson Nano DLI 教學(二)：Image Classification 影像分類，將在 JupyterLab 使用互動式介面實作影像分類模型的資料收集(data Collect)、訓練(Train)與預測(Predict)。

今天我們將使用 MCU Pixel:Bit 整合其中的 Object Detection 專案，使用 500 萬畫素相機拍照後自動呼叫 REST API，並將回傳的 Bounding Box、名稱，加註寫在 TFT 上。

本篇文章將測試 Object Detection，要在 MCU 上實現 Object Detection 因為效能關係可說是非常困難，目前解決方案就是將運算交給雲端服務，雲端運算可以自己架設也可以使用各大雲端平台的服務，各有優缺點。

Azure Custom Vision 教學(一)：註冊帳號與專案準備」我們已經註冊好帳號，也啟用學生版帳戶，並且建立了影像分類的專案， 「教學(二)： 訓練 Image Classification 影像分類 AI 模型」我們將開始蒐集資料、訓練模型，最後測試模型囉！

本文介紹 Azure Custom Vision 雲端服務，使用者只需將資料圖片上傳至雲端平台，並透過雲端平台輔助完成圖片標籤、模型訓練，最後將模型發布，即可透過 Azure Custom Vision SDK、REST API 使用模型，傳送圖片資料後 API 會回傳辨識結果。