科技部的經費補助之下，國立交通大學電子研究所郭峻因教授團隊結合AI人工智慧與自駕車等兩大熱門研究領域，研發「自駕車智慧之眼-嵌入式AI物件辨識系統」技術深耕八年有成，研究成果超越國際研究水準，自105年來已獲得國內28家廠商青睞，進行59件產學合作、技術移轉與技術諮詢，產學效益豐碩。

/news/2019/06/12/1355544560S.jpg

自動標記工具(ezLabel)獲AUDI Innovation Award兩項大獎

AI人工智慧聰慧如人，可以替人類分析與辨識影像內的各式物件，這些智慧歸功於由人類為AI標記好的影像教材資料、複雜的軟體演算法及強大的硬體計算能力。郭教授團隊目標藉由分析影像實現自駕車/進階駕駛輔助系統(ADAS)，成功開發嵌入式電腦視覺深度學習技術，透過快速自動化標記工具，產生大量供AI人工智慧學習的資料庫，搭配團隊開發的即時軟體演算法，降低了AI電腦視覺所需之運算平台成本，無需昂貴的GPU運算平台。郭教授表示，計畫團隊開發出全世界第一套快速視訊資料自動化標記工具(ezLabel 2.0)，用來標記並準備供AI學習的資料，其標記效率超過目前現有手動資料標記工具達10-15倍以上，並獲得於AUDI汽車所主辦之第一屆臺灣AUDI Innovation Award兩項大獎，已獲得國內多家廠商進行試用，迴響相當不錯。此外，郭教授團隊已經建置超過1,500萬筆適合臺灣地區之自駕車影像資料庫，這些資料有助於開發適合臺灣地區之AI自駕車物件辨識技術。

嵌入式深度學習模型可偵測200公尺外車輛，超越現有技術4倍

在高精度嵌入式AI深度學習演算法開發上，郭教授團隊開發出最遠可偵測超過200公尺外車輛的嵌入式深度學習演算法，超越現階段文獻標竿演算法(YOLO v2) 4倍，且在運算複雜度相當下，準確度高於YOLO v2約10% mAP(平均準確度)，可於 nVidia自駕車平台 (DRIVE-PX2)上即時運算，適用於各式天候，非常適合自駕車/ADAS應用。另外，郭教授團隊也開發出低功耗適合嵌入式SOC應用之AI深度學習物件辨識演算法(NCTU SSD lite)，在相同準確度下其模型大小僅為YOLO v2的7%，運算複雜度僅為 YOLO v2模型的 27%，可於 TI TDA2X 與國內廠商所研發的車規AI 晶片(iCatch V37)上達到即時物件偵測運算效能。另外，郭教授團隊結合物件偵測與物件分割之深度學習技術，針對自駕車應用開發出多重功能ADAS系統，可同時支援各式ADAS功能，包含LDWS/FCWS/RCWS/ACC/AEB/BSD等，並可於嵌入式系統上實現。

首創深度學習行為預測技術(以預測後方車輛3秒內是否超車)

郭教授團隊將深度學習技術延伸應用於物件行為預測甚至駕駛控制，開發出全球首見可預測後方車輛(汽車或機車)是否超車之深度學習行為預測技術，於行車時可準確預測後方車輛於未來3秒鐘是否超車，可作為車輛駕駛人第三隻眼睛，守護行車安全。

郭教授團隊所產出之嵌入式AI自駕車快速資料標記工具、自駕車圖資、物件偵測與行為預測深度學習技術之產業應用潛力相當大，目前合作廠商已達28家，未來潛在的合作廠商包含AI晶片公司、車電系統公司與自駕車圖資公司等。