摘要: | 快速資料密度泛函深度學習網路兼備可解釋性、快速物件辨識推論與超輕量型模型結構,同時在系統設計上具備自學能力故能給予系統最佳化的模型架構與訓練方案。於學術發展上,本技術能將統計機械學習與深度學習雙方架構進行整併,並在具備統計意義的流形空間裡進行解釋與對應,故能進一步對於正處於發散發展中人工智慧技術進行理論架構之統一與整合。於工程實務上,適用於腦內手術導航、病灶定位分割與三維視覺化之臨床輔助診斷。另本技術結構易於嵌入於低成本之微處理器或微控制器甚是感測模組,故將能裨益於TinyML以及邊緣運算等相關機械視覺等技術開發,也因此可帶動醫學智慧感測技術、工業人員安全維護等議題與AIoT締合之連動成長。 |