去年9月在台展開的Intel DevCup x OpenVINO Toolkit競賽,經歷4個月多的賽事歷程後,從258組報名隊伍提案中挑選出80組進入決選階段,並且在最終評選後於今日 (1/14)公布獲獎名單,其中由「柏瑞醫」團隊的「X1 Imaging 骨質疏鬆人工智慧輔助篩檢系統」作品拿下實作組冠軍,而「你是我的眼」團隊的「提供環境識別與避障導引之智慧導盲車」作品則奪得概念組冠軍。
Intel DevCup x OpenVINO Toolkit競賽由經濟部工業局指導,並且由主辦單位Intel邀集台灣40家產官學人工智慧生態系夥伴共同支持,總計吸引106組隊伍報名適合高手的「實作組」,以及總計152組隊伍報名適合新手的「概念組」,並且在初選中於「實作組」選出20隊,而「概念組」則選出60隊進入決賽。
參賽團隊運用Intel旗下OpenVINO API資源,透過跨平台人工智慧推論開發工具完成充滿創意,或是能解決各類痛點的各項作品,內容涵蓋醫療與照護、製造業、智慧交通、安全防護與智慧城市、零售業,以及其他領域。
此次實作組的20組入選團隊來自人工智慧新創、軟體/系統開發服務商、專家工作室及研究單位等,而概念組入選的60組團隊雖是AI新手,但許多團隊運用Intel DevCloud雲端平台搭配預訓練模型,快速地實現創意應用。
獲獎隊伍如下:
使用一般X光機及依照WHO骨質疏鬆檢查醫學指引的髖部醫學影像,即可進行標注與訓練。並且運用專利少資料高精度AI迭代訓練演算法訓練,訓練效率可提升16倍,更可完成執行ONNX Runtime for OpenVINO在Windows 10上加速,實測結果效率可達3倍,Segmentation的平均可信度更高於 97%。
進一步與DXA儀器檢測髖部的骨鬆風險分析與T-score (與健康年輕人骨質密度比較的數值)分析檢測報告比對,AI模型的AUC達96.4%,敏感度97.2%,特異度95.6%,陽性預測值95.7%,陰性預測值97.1%。
以Pytorch建立自有、符合需求的的三層模型 (車輛偵測、車輛上車牌位置辨識、車牌辨識),並且以OpenVINO完成Pytorch to ONNX與ONNX to IR部署,於Core i7-1185GRE處理器的推論效能可達21.13FPS,完成AI電腦視覺即時偵測路況、分析交通圖資 (例如偵測違停、闖紅燈……等)的目標。
團隊由光電廠工程師所組成,從資料收集 (影像IoT)、AI技術應用與快速部署,並且以使用者的角度進行開發,將機台不停機自動巡檢系統,部署於具備Core i5-1145G7E處理器的邊緣裝置,透過OpenVINO提升效能,建立一對多監控裝置,有效降低硬體投資金額,降低智慧轉型門檻。
智慧導盲車協助視障者在獨處或不便使用輔具的情況下也能容易行動,透過OpenVINO加速物件辨識模型推論,以便在硬體效能受限的自走車,取得可行的效能。
相較於先前未使用OpenVINO,以CPU運算之效能成長百倍以上 (3.11FPS),透過使用小巧高效能的Intel Movidius Myriad,則可達700倍以上,以21.79FPS速度達成可應用的辨識速度。
採用聯邦式學習 (Federated Learning)達成基因組關聯分析 (Genome-Wide Association Studies、GWAS),透過OpenVINO的異質性分散式協同推理特色,分別於CPU完成UI語音識別模型、於2個Intel Neural Compute Stick 2分別完成心電圖ECG模型訓練和血鐵沉積Hemo模型訓練。
與耐能KL520訓練之GWAS降維分類模型相互配合,可於單一電腦完成協同推理。
結合台灣科技大學電子所、資工所實驗室的雙影像融合技術、未知物辨識技術,以OpenVINO和Intel Neural Compute Stick 2加速全天候未知路障警示系統,即便在視線模糊的夜晚也能達成高準確度與高辨識率,甚至是辨識未知物體,推論速度亦達70FPS,滿足未來L5自駕車基本配備所需。