系列文章
【Day 21】Hello AI World (七)：即時影像標註工具 Camera-Capture
前面我們說明了如何使用預訓練模型推論以及訓練客製化物件偵測模型，而倘若我們要建立自己的資料集該如何進行呢？ Hello AI World 專案中也提供了一個實用...
【Day 22】客製化 YOLOv5 模型 (一)：建立執行環境
YOLO(You Only Look Once) 物件偵測演算法因為效能優異且準確率高，經常放在邊緣裝置中作為物件偵測的神經網路，和前面我們使用的 SSD(Si...
【Day 23】客製化 YOLOv5 模型 (二)：測試 YOLOv5 推論
安裝完了 YOLOv5 執行環境，今天就來測試與體驗 YOLO 的推論效果吧！ YOLO 物件偵測推論 測試安裝的 YOLOv5 首先打開新的終端機，在 yol...
【Day 24】客製化 YOLOv5 模型 (三)：蒐集資料
前面文章告訴大家如何建置 YOLOv5 的環境在 Jetson Nano 上，並且使用官方提供的預訓練模型進行推論與測試。但畢竟官方提供的模型使用的是 coco...
【Day 25】客製化 YOLOv5 模型 (四)：標註資料、導出資料集
有了圖像資料，接著要進行資料標註，透過框選的方式告訴 AI 哪些是我們的目標，資料標註的方法有很多，這邊介紹一個好用的網站「Roboflow」，除了標註功能、擴...
【Day 26】客製化 YOLOv5 模型 (五)：Colab 訓練 YOLOv5 模型
今天將使用「Google Colab」來訓練我們的模型，關於 Colab 的功能在此就不多做贅述了。我們使用的程式碼是由官方提供的 YOLOv5 Colab 程...
【Day 27】客製化 YOLOv5 模型 (六)：使用 TensorRT 加速推論
如果有跟著上一篇文章操作的話，相信大家已經訓練好自己的模型 best.pt 了。這次就是要教大家如何使用自己的模型做推論，並經由TensorRT，針對自己的模型...
【Day 28】Jetson Nano Projects: JetBot
當初在 Jetson Nano 於 GTC 發表之時，NVIDIA 也隨之同步發表了一個社群專案 JetBot ，並將硬體材料與軟體範例以開放原始碼方式釋出，運...
【Day 29】Jetson Nano Projects
上一篇提到 NVIDIA 官方的 Jetson Nano AI 自走車專案 JetBot，除此之外還有沒有其他以 Jetson Nano 為核心的專案呢？今天一...
【Day 30】挑戰終了，但 Edge AI 人生才剛開始！
Last mile! (source: unsplash) 結語 第三十天啦！終於完成挑戰了！即便中間有偷吃步用了些庫存資料，但也真實體會到每天都要固定寫作產出...