AI趋势周报第95期：Google推超轻人脸辨识框架BlazeFace，在iPhone XS上推理0.6毫秒

重点新闻(0726～0801)

Google     BlazeFace     人脸辨识  

Google推出毫秒级行动人脸辨识框架BlazeFace，用新款iPhone推理识脸不到千分之1秒

Google近日发表了一款行动手机专用的毫秒级人脸辨识框架BlazeFace，特别针对行动GPU推理能力来优化，在iPhone XS上推理辨识速度只要0.6毫秒，等于1秒钟可以辨识1千6百多次人脸图形。研究团队首先开发一个特征萃取CNN模型，在架构中采用5x5卷积核（而非常见的3x3核），能在两个卷积层之间新增另一层，提高影像处理效能。研究团队用6万6千张影像资料集上来训练BlazeFace，并用2千张来自不同地区的影像来测试BlazeFace辨识效能。利用手机前置镜头来辨识人脸时，BlazeFace的平均准确度为98.61％，在iPhone XS上的推理处理时间缩短到0.6毫秒，而Pixel 3也可比原有模型快一倍，只需要达到3.4毫秒。

研究团队指出，BlazeFace模型可部署到所有与脸部辨识相关的电脑视觉应用，像是2D、3D脸部关键点定位、轮廓或表面几何计算，以及脸部特征或表情分类等。BlazeFace可加强手机AR应用的低延迟，也能为手机AR开发者点出新方向。（详全文）

  工研院     PECOLA    照护机器人  

工研院打造智慧照护机器人PECOLA，今年Q4将进安养院实测

工研院正研发一款独居老人照护机器人PECOLA，结合感测器、摄影机和移动式基座，能侦测独居老人的生理数据、活动行为和情绪等，要协助长者健康生活。PECOLA以智慧家具的样貌呈现，可透过人脸辨识来设定照护对象。在影像辨识上，工研院利用卷积神经网络（CNN）建立居家饮食影像辨识系统，透过PECOLA顶部的摄影机，来分析独居老人的饮食菜色，进一步计算出营养成分，并比对进食前后的餐点差异。

此外，PECOLA还可透过WiFi来侦测独居老人睡眠时的心跳和呼吸率。工研院资通所所长阙志克指出，独居老人睡觉时，只要开启手机WiFi、放置一旁，PECOLA就能根据WiFi讯号的干扰，来计算老人的心跳和呼吸率，不论俯卧或仰卧。该功能已于长庚医院测试，心跳侦测准确度达85%，呼吸率则达99%。照护机器人将于今年第四季进入安养院测试，来了解高龄使用者的反应和反馈。（详全文）

  医华生技    卵巢癌    智慧医疗  

国产卵巢癌细胞快筛平台，30分钟揪出卵巢癌细胞！

成立4年的医华生技日前发表AI医疗新进展，藉国研院支援整合自行研发的芯片和AI技术，打造出国产卵巢癌细胞快筛平台，最快30分钟就能完成检验。医华生技研发部经理陈圣文表示，要检测卵巢癌细胞十分困难，因为主流卵巢癌检测采循环肿瘤细胞检测方式，原理是藉原发肿瘤脱落的细胞，进入血液或淋巴系统时，来抽血检测是否含有肿瘤细胞；医华生技董事长黄忠谔更指出，1毫升血液有40亿颗细胞，通常只有3颗会是循环肿瘤细胞。

医华生技开发的平台，利用深度学习打造卵巢癌细胞辨识系统，可快速判断血液样本是否含有癌细胞。陈圣文指出，该系统利用数千张卵巢癌植株影像训练而成，2年内已测试台安医院和彰化基督教医院的600个案例，该系统目前正送件卫福部食药署（TFDA）核准，明年将送件美国FDA审核。

  北医   疾病预测       医疗区块链  

北医附医拥抱AI疾病预测和医疗区块链

北医附医日前展示自行开发的TED-ICU AI重症照护系统，能24小时收集、分析住院病患生理数据，并根据患者生命征象，来推估病情严重程度。此外，该系统也导入去年底与台湾人工智能实验室合作开发的败血症AI预测系统，利用时序性生命征象和病患资料，来预测4小时后的败血症风险。北医附医资讯室副主任徐光宏指出，北医附医还自行开发了两套病情预测ML系统，来供医生挑选参数和算法，进行病情预测，未来也将整合两套平台，成为一套系统。

此外，北医附医近日正式释出新版医院App iTPASS，其中以区块链技术为主的“智链护照”则正式开放给一般北医患者申请使用，登入App后可取得完整病历摘要、检验影像等就医资讯。此外，“智链护照”也能由使用者授权其他医疗院所的医生浏览，转诊时无须返院申请病历。（详全文）

  人体生物数据库   精准医疗     中研院 

瞄准精准医疗，中研院持续征求自愿者来发展国家级人体生物数据库

近来吹起精准医疗风，各国纷纷建立国家级人体生物数据库，要从中探索疾病与人体生物因子的关联。中研院也自2012年开始建置台湾人体生物数据库，要整合国人生活习惯、环境因子、临床医学和生物标帜等资讯，找出常见致病因子和预防对策。

中研院日前出席亚洲生技大会指出，截至6月底，已累计了11万6千多笔收案，中研院也持续征求自愿者，目标是要收集20万笔一般民众的生物资料，以及10万笔拥有常见的数十种慢性病患者资料，来增加研究多样性。台湾人体生物数据库也提供资料释出服务，包括实验资讯（如基因定序、白血球组织抗原分型）、身体检测资讯、血液检验、问卷资讯等，促进学术研究。（详全文）

脸书    地图绘制     RapiD  

脸书以AI辅助绘制地图，比人工标记快3倍

脸书日前发布AI辅助绘制地图的工具RapiD，并贡献给OpenStreetMap（OSM）专案，帮助OSM社群快速标记全世界的道路，而RapiD也已于mapwith.ai网站上开放给所有人使用。

为打造出可侦测卫星地图道路的电脑视觉模型，脸书团队以Maxar卫星图像为资料集，手动标记卫星图像中的道路，并开发出一个34层的DNN模型，用这些人工标记的资料来训练模型，在分辨率为每画素约0.2平方米的卫星图像上辨识道路。后来，脸书团队将这项技术用来编辑泰国和印尼的地图，补齐了地图上90％的缺失道路，在18个月内就为泰国地图标出了48万公里的道路。如果以传统的方法，至少需要花3年到5年才能完成同样工作。（详全文）

AWS    Chatbot     公测  

AWS Chatbot公测版问世

AWS近日推出AWS Chatbot公开测试版，将允许DevOps团队于Slack和Amazon Chime协作平台上接收各种Amazon服务的通知，包括了Amazon CloudWatch、AWS Health、AWS Budgets、AWS Security Hub、Amazon GuardDuty和AWS CloudFormation等6种。

当上述的AWS服务发出事件与通知时，Amazon SNS就会负责把通知传送给AWS Chatbot，AWS Chatbot会先编排这些通知以让它们方便阅读，再将它们传至聊天室。据内容平台Revcontent测试，该公司的工程团队使用AWS Chatbot来强化系统监控能力，设定非常简单，但效果显著，比如AWS Chatbot即时提醒负载平衡的错误率变高了，帮助团队避免系统中断。（详全文）

图片来源／Google、脸书    摄影／王若朴

 AI趋势近期新闻 

1. 微软与OpenAI结盟，将共同发展通用人工智能

2. Google Cloud AI平台加入模型分析工具What-If Tool，比较模型表现更视觉化

3. Lyft释出Level 5自驾车研究资料集

资料来源：iThome整理，2019年7月