「藍色巨人」 IBM 於 20 日宣布，為人工智慧（AI）開發人員推出新的深度計畫，名為「深度學習即服務」計畫（Deep Learning as a Service，簡稱 DLaaS） 。參與該計畫的開發者可以藉助 TensorFlow、PyTorch、Caffe、Keras 等相關深度學習架構來訓練人工智慧的神經網路，而不需自己掏錢購買、維護昂貴的硬體。IBM 表示，該服務是以原生的雲端運算服務方式。將這些工具提供給了開發者。開發者可以使用標準的 Rest API，藉助他們想要的、或者在他們預算範圍內的資源，來訓練自己的深度學習模型。未來透過該計畫的服務，資料科學家只需要按 GPU 使用時間來支付費用，就可以使用所需的資源訓練 AI 模型。而每個雲端運算處理單元都可用於深度學習網路，也易於操作，用戶無需進行基礎架構管理。IBM 進一步指出，該項服務將大幅度減少開發者訓練人工智慧及深度學習所需的時間，通常只要幾個星期、甚至是幾天的時間。他們只需要上傳他們的資料，就可以開始訓練。之後，開發者再將訓練結果下載即可。此外，IBM 還強調，該計畫的相關工具還能自動調整開發者的參數。若使用傳統的手段，調整參數的動作將消耗相當長的時間。因此，IBM 的這一項技術可為許多希望從事深度學習訓練，但是卻資源有限的企業及單位帶來便捷的好處。不過，這並不是科技公司首次為人工的深度學習建立訓練環境。此前，軟體大廠微軟就曾宣布推出 Windows ML 人工智慧平台，也為機器學習模型來提供圖形設備體驗。（首圖來源：Flickr/Leonid Mamchenkov CC BY 2.0）
Google 今天宣布在台進行歷年來最大規模人才招聘，預計今年將聘用超過 300 位台灣員工；由於員工數已成長到一定規模，Google 台灣首度開出護士職缺，在第一線照顧員工健康。Google 今天舉辦「智慧台灣計劃」啟動大會，預計於一年內培育超過 5,000 名人工智慧（AI）人才、訓練逾 5 萬名數位行銷人才。Google 同時宣布在台擴大徵才，目前已開出超過 100 種包括 AI 研發在內的相關職缺，包含專職護士。根據 Google 說明，Google 台灣招募的護士職缺需具備護理系學士學歷或同等實務經驗，持有護士執照，並具備在專業醫療機構、診所或醫院工作 5 年的經驗。工作內容除了提供急救照護、健康諮詢、維護員工醫療紀錄之外，還需協助向員工推廣健康的生活方式。Google 台灣董事總經理簡立峰告訴中央社記者，由於台灣員工數快速增加，已成長到一定規模，Google 台灣也按照內部規定首度招募護士，在第一線為員工提供醫療與健康相關服務。簡立峰說，他 12 年前加入 Google，當時全球員工數僅 1,000 多人；去年 Google 台灣迎來協助打造 Pixel 智慧型手機的宏達電團隊約 2,000 人，今年在台預計徵才 300 人，台灣整體員工規模正不斷擴大。（作者：吳家豪；首圖來源：Google）延伸閱讀： Google 啟動「智慧台灣計劃」，目標一年培育逾 5,000 名 AI 人才 Google 再次證實新一代 Pixel 手機今年將引進台灣市場
Google 今（21）日宣布在台啟動「智慧台灣計劃」（Intelligent Taiwan），將以台灣做為實現人工智慧優先「AI-First」願景的戰略基地，透過人才、經濟、生態系三大主軸，預計一年內培養 5,000 名以上 AI 人才，並協助台灣企業轉型、提升國際競爭力。今年初 HTC 手機研發團隊加入 Google 後，台灣已正式成為 Google 在亞太地區規模最大的研發基地。Google 台灣董事總經理簡立峰提到，台灣具備發展 AI 所需的完整條件，包括軟體與硬體團隊、雲端基礎建設等三大要素，理當成為 Google 擴大發展 AI-First 全球策略目標的戰略基地。「Google 智慧台灣計劃」為 Google 在台灣發展以來，規模最大也是面向最廣的外部計畫，涵蓋三大主軸包括智慧人才（Intelligent People）、智慧經濟（Intelligent Economy）和智慧生態系（Intelligent Ecosystem）。透過與台灣政府部門、大專院校和企業合作推出多元項目，從社會經濟層面進一步協助台灣與 Google AI-First 願景接軌。五大領域培養 AI 時代所需在地人才在人才培養上，Google 計劃在一年內透過五大領域培育超過 5,000 名 AI 人才、訓練 5 萬名以上數位行銷人才，同時也在台擴大人才招聘，開出 100 種 AI 相關與醫護職缺，預計今年將聘用至少 300 位台灣員工。「Google 看重台灣人才，想把人才留在台灣做全世界的事情，」Google 台灣總經理陳俊廷表示，希望能繼續向外擴散培養更多 AI 及數位人才。‧ 人工智慧：Google 與台、清、交、成四所大學展開專案合作，針對已在 AI 領域有所鑽研的學術人員，於今年暑假時舉辦「AI 創新研究營」，有機會跟 Google 全球各地的...
十年前對許多人來說，人工智慧（AI）還是一個科幻色彩十足的名詞，但就在去年 AlphaGo 與中國棋王柯潔的世紀之戰後，AI 的潛在發展性終於被人們正視，各產業都開始積極投入發展 AI 應用，可以說是 AlphaGo 讓 AI 進入黃金時代也不過。而這一切的背後，有著 Google，有著專注研究 AI 技術的 DeepMind，還有著負責操作 AlphaGo、來自台灣的黃士傑。21 日舉辦的人工智慧論壇，Google 除了邀請許多專家前來分享機器學習在各方面的實際應用案例，現居倫敦的黃士傑也特地再度返台與大家分享 AlphaGo 背後一些故事，盼藉此鼓勵台灣產業積極發展 AI。黃世傑表示，他從小就非常喜愛圍棋，學生時代也曾在一些小型賽事獲得不錯成績，但其實在他第一次踏進 DeepMind 那天，創辦人曾明確向他表示，DeepMind 並沒有打算要朝「圍棋」發展，因為 DeepMind 的目標不是在特定領域表現頂尖，而是製作出「通用」的 AI，讓 AI 能幫助人類解決無法解決的問題。然而事情有時候就是這麼迂迴發展。在軟硬體、相關 AI 技術（深度學習）都進步足夠發展之際，為了促使 AI 應用發展進步，DeepMind 最終還是決定進行圍棋項目。為了製造 AlphaGo，團隊嘗試過上百個 Idea，發展過程就是不停的實驗、實驗、實驗，持續閱讀新論文與新理論再學習，儘管過程十分艱辛，但黃士傑認為只要找到一個 idea 就值得，而他們最終也確實如此。在團隊努力之下，AlphaGo 也在後續對弈持續進化，在與李世乭對弈獲得勝利後團隊成員一度打算結束，但考量到第四局犯下的初學者錯誤，最終他們仍決定運用神經網路將弱點修正，畢竟有缺陷的 AI 將無人敢用。（Source：達志影像）儘管在第四局對弈犯下驚人錯誤，但 AlphaGo 獨特的下法還是震動了棋界。黃士傑表示，中國職業棋士曾向他透露，第一天還沒開打以前，棋士間討論都覺得機器不可能獲勝，直到與李對弈的第二局 AlphaGo 下出了前所未見的第 37 手，一些棋士「比看到外星人還震驚」。雖然看棋當時多數棋士都無法了解 AlphaGo 下法意圖，但後續許多分析中，人們開始廣泛認定那獨特的一手確實是人們未曾想過、超越幾千年來知識經驗的好棋；後續 AlphaGo 升級後與柯潔的對弈更是經常出現這種情況。過去曾與 AI 對弈的西洋棋士也讚揚 AI 獨特的下法，形容在人類棋士中「十分少見」，黃士傑認為，這些例子證明深度學習是有「創造性」的──當然這個「創造」的定義還有待討論，但 AI 看來確實能協助人類發現未知領域，激勵人類的智慧發展。為了讓 AI 再度進化，黃士傑透露，Deepmind 目前正在研究開發玩《星海爭霸...
呼叫救護車和救護車到達之間的時間，對於挽救心臟病發作的患者至關重要，估計延遲一分鐘生存機率降低約 10%，因此當機立斷判斷出心臟驟停對醫療緊急調度員而言，是一個挑戰，他們必須透過電話，理解恐慌的親戚或朋友傳達的症狀，但很多時候電話中的人可能不知道發生了什麼事情，現在 AI 可解析非言語線索，幫助遠距離診斷。Fast Company 報導，過去醫療救護調度員必須仰賴自己的知識判斷，現在哥本哈根的醫療調度員可以採用 AI 來協助判斷心臟病發。當有人呼叫救護車時，一位名為 Corti 的 AI 助理就會上線，使用語音辨識軟體錄製對話，並使用機器學習來分析背景中指向心臟病發作診斷的單詞和其他線索，接著對調度員發出警報。哥本哈根的調度員訓練有素，在通話時間內透過對方在電話中的描述而發現心臟驟停的機率有 73%。但 AI 可以做得更好，在一個早期的小規模研究中，機器學習模型發現心臟驟停機率有 95%，另一項分析 17 萬通電話的研究即將發表。與其他機器學習技術一樣，Corti 不是用來尋找任何特定的信號，而是透過傾聽來自大量呼叫的聲音來自我訓練，以辨識重要因素，然後在工作模式中不斷改進模型。非語言的聲音通常很重要，該技術必須能夠透過背景噪聲，如警笛聲和大喊，來辨識線索。當新創公司首次測試這項技術時，一名女性打緊急電話號碼報告她的丈夫從房屋的屋頂上掉下來。當調度員聽完之後，意識到那個男人已經折斷他的背部，並且按照指示執行在救護車到達之前的急救工作。但 Corti 判斷並非背部受傷，而是他的心臟已經停止。由於電話聲中有一個急促的噪音，AI 認出這是病人心臟病發作而喘不過氣來的聲音。原來，這名男子因心臟驟停而從屋頂墜落。由於 AI 平台當時正在進行測試，因此未發送調度程序警報，因此這名男子沒有得到 CPR，到救護車抵達時，已經太晚了。透過更準確的診斷，調度員可以在電話上指導某人做 CPR。未來一些城市可以使用該技術發出帶有自動除顫器的無人駕駛飛機，比救護車更快到達，或者呼叫恰好在附近做過 CPR 訓練的人。除了心臟驟停的跡象之外，AI 還試圖消除其他錯誤，比如在調度員詢問地址時記錄下來，查看救護車是否前往正確地址。該技術是 AI 補足而不是替代人類的一個例子。新創公司創辦人認為，當涉及個人健康時，患者應該更希望與人接觸，而不是機器，透過 AI 支援系統進行增強，將是醫療 AI 應用的終極目標。 Having A Heart Attack? This AI Helps Emergency Dispatchers Find Out （首圖來源：Flickr/ER24 EMS (Pty) Ltd. CC BY 2.0）
AI 影響所有產業，不論是科技公司還是傳產，都需要運用。對於開發新藥的製藥廠來說，導入 AI 技術卻只是剛起步階段。獲得 nVIDIA 全球五大影響力的製藥公司 Insilico Medicine 英科智能，昨日 (3/21) 宣布在台成立子公司台灣英科智能；另外看好台灣人才的特質，亞洲第一座 AI 研發基地落腳台灣。製藥是高投資高風險的事業，近年來新藥研發的效率低落，面臨高達 92% 的臨床實驗失敗率。Insilico Medicine CEO Alex Zhavoronkov 說Insilico Medicine 提供製藥廠平台方式，用 GAN 生成對抗網路的方式，篩選可能有用的分子，再把結果授權給藥廠，降底藥廠的風險。Insilico Medicine 目前目標鎖定是人類老化問題，儘管老化不是疾病，但人類長久以來的夢想就是延遲老化，甚至反轉老化過程。目前全世界只有兩家公司把 AI 技術用在製藥上面，而 Insilico Medicine 就是其中一家。台灣人才就是好Alex 在接受媒體採訪詢問亞洲地區為何選擇台灣，坦言其實想選擇中國，但諸多因素考量下沒辦法馬上進去。台灣畢竟不是中國一部分，在 IP 保護上面台灣比較落實。而台灣具備人才優勢，工作技能強，認直仝作。除了生技、資訊人才素質高之外，台灣員工的忠誠度也是世界知名。最重要的是，台灣的人力成本方面沒有歐洲、美國那麼高。台灣還面臨人口老化的問題，Alex 笑笑地說，如果 Insilico Medicine 有做出成果，台灣就會是潛在市場。Alex 還說很多台灣在公司營運之外的好處，Alex 曾在 IT 產業服務，跟台灣的緣份很深，而在評估的過程中，也好好體會台灣的風土民情。布局區塊鏈幫助健康資訊交換Insilico Medicine 還有區塊鏈的計畫，並不是發表會的重點，不過《科技新報》仍詢問相關事項。Alex 說他們與一家區塊鏈公司 Bitfury 合作，就是當初開發 Rust 程式語言的那群人，運用 Insilico Medicine 醫療上的強項，幫助交換醫療資訊。舉例來說，有個人提供血液樣本給醫藥公司，並沒有多少錢，如果他願意揭露更多訊息，像是年齡、其他樣本，那就能賣更多錢，而 Insilico Medicine 與...
近來隨著人工智慧 (AI) 商機的興起，國內對人工智慧發展環境與人才需求孔急，因此全球電子設計創新廠商益華電腦（Cadence Design Systems, Inc.）與國家實驗研究院晶片系統設計中心（CIC）於 22 日共同宣布強化合作關係，希望藉由 Cadence 提供設計驗證加速模擬平台，以及共同建置的 SoC 設計及驗證環境，協助學界將研發成果與產業效益連結。雙方也將合作驗證培育課程，協助學界加速開發新一代 AI 晶片應用並培植產業人才。Cadence 指出，隨著 AI 未來龐大商機湧現，開發 AI 領域晶片技術勢在必行。然而，AI 晶片設計的複雜度與成本日益攀升，設計前期的晶片驗證工作不可或缺。為支持產業開發所需的相關基礎，Cadence 與 CIC 深化既有的合作基礎，共同建置完善的驗證平台與環境，以支援學研界專注於 AI 晶片設計開發。未來參與科技部 AI 計畫的研發團隊，以及與國研院晶片中心合作的學術單位，皆可透過 CIC 申請使用此驗證平台環境，滿足新一代 AI 晶片的設計需求。據了解，該合作平台將建構在 Cadence Palladium 硬體加速及系統化的驗證方法，可大幅縮短晶片系統驗證時間，加速晶片設計開發流程，同時提升軟 / 硬體整合品質上。為確保學界更順暢地進行晶片開發，雙方並合作建置 AI 晶片的設計驗證環境，導入形式驗證平台（Formal Verification），包括晶片模擬、擬真、除錯與驗證，強化驗證功能的正確和完整性，並可提高晶片的成功率。此外，為了及早培育校園 AI 種子，雙方的合作中也將針對晶片驗證領域，規劃軟硬體等驗證課程，奠定扎實的晶片開發基礎。Cadence 亞太區總裁石豐瑜指出，Cadence 自 1988 年成立至今剛好滿 30 周年。而 30 年來，Cadence 藉由合併 40 多家公司，達到當前年營業額 20 億美元，全球 7,000...
3 月 13 日 Google 內部的 Magenta 研究專案發表 NSynth Super 合成音源機，這個合成器的特色，是以機器學習技術將不同的樂器融合變出嶄新樂器音色。NSynth Super 是開放原始碼的軟硬體，你可以購買材料自己組裝一台。從電吉他的過載（overdrive）、失真（distortion）類比噪音到合成器的電子聲響，一代又一代的電子技術幫助音樂家創造出新穎的音色聲響，演奏出不同世代膾炙人口的經典流行音樂，那麼機器學習和類神經網路的進步有可能為新音色的創造開闢新的可能性嗎？傳統的電子聲響合成技術有兩大系統：無中生有新聲響──手調振盪器（oscillators）；從既有樂器音色調變出變化音色──對波型表（wavetables）進行參數調整（註：wavetable 記錄的是週期性波型 ，並非 sampler 取樣技術）。NSynth Super 不同於傳統技術，運用機器學習與類神經網路技術，把挑選出的幾種樂器融合成新音色，使音樂家更方便直覺地直接控制音色變化與演奏動態。你可能會想說這有什麼困難的？不就「一個樂器的聲音加上另一個樂器的聲音」嗎？其實不然，在聲響科技部分，兩個樂器的聲音加起來其實還是兩個樂器、兩種聲音，也就是所謂的混音技術，這讓我們能清楚在唱片裡面聽到不同的樂器聲音一起演奏。要讓一個樂器的聲音跟另一種樂器的聲音完整「融合」起來，還同時包含各自音波頻率特性與樂器演奏特色不是件簡單的事。比方說把完全不一樣的樂器如吉他、鐵琴、長笛、小鼓的聲響融合在一起，那會是什麼樣子？更精確地認知 NSynth Super 辦到的事情應該這麼說：「有一種新的小鼓，打下去發出的聲響，融合了鐵琴短而清脆的聲音跟悠長的長笛聲響」，而這在觸控螢幕上簡單移動就可以控制音色像小鼓多一點、還是像長笛多一點的融合方式，可說是過去無法想像的。過去要調整出理想的聲音，必須具備聲響物理學知識（例如：加強或減弱 1khz 的頻率會發生什麼效果），用無數旋鈕甚至還要用接線，以推算與經驗法則經歷可能數小時才能調整出理想的新音色，而 NSynth Super 讓這件事變簡單許多。音樂家只要這樣自問：「我想要的新樂器，要具備哪些樂器的音色特性？各自占的比例又是多少？」就能快速直覺調出新音色。 ▲ NSynth Super 調製融合音色的實際操作。NSynth 演算法的奧妙這樣劃時代的新技術奠基於 2017 年 4 月 6 日 Magenta 專案發表的 NSynth 演算法。NSynth 的意思是 Neutral Synthesizer 的縮寫，中文的意思是「類神經網路合成器」，這個專案打造了一個超巨大的資料集──NSynth Dataset，蒐集了超過 1,000 個樂器（古典樂器到電子樂器都囊括在內）演奏出超過 30 萬個音符的取樣，來讓機器學習模仿，這做法其實源自影像辨識資料級集的概念。Magenta...
進入第二次機器時代，數位科技在快速變革下威力遠比過往強大，也正加速顛覆各行各業與你我的生活。科技進步所帶來的衝擊雖然令人不安，卻也讓我們更有力量塑造未來，《機器、平台、群眾》作者、MIT 史隆管理學院教授布林優夫森（Erik Brynjolfsson）認為，與其消極看待科技的影響，不如正向思考如何善用科技主導我們自己的命運。正視重塑世界的三重革命數位化所創造的新一波挑戰正席捲而來，布林優夫森指出，科技曾在過去掀起多次變革，而這次所產生的震盪將會更為劇烈、影響範疇更廣也更深遠，尤其在 AI 人工智慧快速發展下，我們應結合人類與科技的力量，重新平衡「人腦與機器」、「產品與平台」、「核心與群眾」三重變革。這三大變革力量組合顯示彼此間的對應關係，每組配對中的後者，也就是「機器」、「平台」和「群眾」，其重要性及影響力已逐漸超越前者。Google 人工智慧系統 AlphaGo 近年接連打敗圍棋高手樊麾、李世乭與柯潔，向全世界展現 AI 驚人的學習發展潛力；Facebook、Airbnb 等平台本身不具有產品，顛覆傳統產業生態；Linux 作業系統、維基百科等鼓勵開放協作，動員群眾之力達成目標。這三大趨勢現正重塑我們的世界。不過，布林優夫森強調三組當中的對應關係並非「取代」（replacing），而是「重新平衡」（rebalancing），如何將配對中的兩者有效結合更顯重要，掌握三大變革力量便能創造更多機會。科技創造選擇，如何抉擇是關鍵許多企業為降低成本、提高生產效率與價值，加上老齡少子化、勞動人口下降問題，已大量採用機器取代人力處理重複性工作。布林優夫森認為，企業雖然應全力以科技提升效率與獲利，但並非只著重在既有作業與流程，應想想哪些工作只有人類能做、善用科技創造出新的工作，重新平衡兩者而不是只有取代一途。▲ 布林優夫森提出重新平衡「人腦與機器」、「產品與平台」、「核心與群眾」三重變革「機器人無法勝任的工作有很多，」布林優夫森說，「我不認為機器人能取代人類成為優秀的幼稚園老師，或是藝術家、作家、企業家，」他相信人類所擁有的創造力（creativity）是一大優勢，還有與人交流、關懷、溝通談判等能力，也都是機器所欠缺的。若將人機兩者優勢結合就能創造更高價值，人們也能在機器所不能為的工作領域中，持續扮演關鍵要角。布林優夫森指出，科技創造了選擇，人們如何善用科技作出選擇，將會是決定成功的關鍵。許多人對於未來感到消極徬徨，認為機器奪走工作飯碗、造成社會財富集中、分配不均，事實上這些選擇都不是由機器決定，主導權仍在人類自己手中。科技再強仍是工具，工具無法擺布人類「科技就是工具，就像鐵鎚之類的，現在這些工具變得愈來愈強大，」布林優夫森強調，「工具的力量愈強大，我們就愈有能力和自由去改變世界，並不受機器擺布」。正因為我們擁有更大的能力塑造未來，往後人類的價值觀也將比過去更加重要，如何善用科技將成為最重要的課題。工具在人類引導下學習如何自主判斷抉擇，例如無人自動駕駛車，未來將朝共乘、隨選服務發展，不僅能降低交通事故發生率與資本成本，而且更安全、更有效率也更環保。雖然自駕車的安全問題最近因 Uber 自駕車事故再次惹議，但或許不應單獨放大檢視，行車交通不會因為駕駛是人類就比較安全。當然，自駕車也可能遇到涉及道德倫理的「電車難題」（Trolley problem），要將機器與人類的價值觀調校一致，人們就必須更審慎應對，今後不管是對自駕車或其他科技發展都有很大的努力空間。 ▲ 布林優夫森強調，科技的強大讓人們更有力量塑造未來 「科技不能主導命運，我們才能主導自己的命運，」布林優夫森直言人們不應過度悲觀看待科技的影響，應該反過來思考如何善用科技做對的選擇才重要，要化被動為主動，在混亂中不斷尋找機會；不該問「科技將如何影響我們」，應以正面態度去想「如何運用科技」。（圖片來源：《科技新報》攝於「布林優夫森教授首度訪台公開論壇」及媒體聯訪）延伸閱讀： 《機器 平台 群眾》書摘──比特幣：一場化名革命 李開復：從機器的弱點找未來機會，讓 AI 人工智慧當你的「工具箱」 在快速變動的時代中，如何為下一波產業競賽做好準備？
DeepLab 是一種用於圖像語義分割的頂尖深度學習模型，目標是將語義標籤（如人、狗、貓等）分配給輸入圖像的每個畫素。經過 3 年左右的發展，目前 DeepLab 具有下列功能。 DeepLabv1：結合深度卷積神經網路，使用空洞卷積（atrous convolution）進行語義分割。 DeepLabv2：基於 DeepLabv1 的最佳化，使用空洞空間金字塔池化（atrous spatial pyramid pooling，ASPP）對物體進行有效分割。 DeepLabv3：採用多比例的帶孔卷積級聯或併行來捕獲多尺度背景，基於圖像特徵最佳化 ASPP。 DeepLabv3+：擴展 DeepLabv3，包括一個簡單高效、改善分割結果的解碼器模組。 目前來說，在圖像語義分割，DeepLabv3+ 已是業界頂尖水準。就在近日，Google 宣布開源 DeepLabv3+，語義分割研究者的福利來啦。以下編譯整理相關訊息：語意圖像分割（Semantic Image Segmentation）是為圖像中每個像素分配一個語義標籤（如「路」、「天」、「人」、「狗」）的任務，能應用至新應用程式，例如基於 Pixel 2 和 Pixel 2 XL 智慧手機肖像模式產生的淺景深效果、手機即時影片分割。分配這些語義標籤需要精確定位物體的輪廓，因此比其他視覺實體辨識任務（例如圖像分類或邊框檢測）有更嚴格的定位精準度要求。今天，我們很高興地宣布將 Google 目前最新的、性能最好的語義圖像分割模型──DeepLab-v3+ 開源（在 TensorFlow 實現）。這次發表包含建造在一個強大的捲積神經網路（CNN）主幹架構上的 DeepLab-v3+ 模型，用於伺服器端部署。此外，我們還公開了 Tensorflow 模型訓練和評估代碼，還有已經在 Pascal VOC 2012 和 Cityscapes 語義分割任務預先訓練過的模型。自從 3 年前研究出 DeepLab 模型，我們不斷改進 CNN 的特徵提取器，達成更好的對象尺度建模，吸收上下文訊息，改進訓練程式，應用越來越強大的硬體和軟體，這些使 DeepLab-v2 和 DeepLab-v3 不斷改進。使用 DeepLab-v3+...