人物專訪：深度學習應用！　台工程師自製物件偵測及測距系統

無人機除了空拍和物流用途，還有許多可能性讓玩家探索。台灣有玩家製作了一個無人機物件距離偵測與預測系統，可以辨識人和汽車，也可以測量影片中汽車與無人機的距離，Dronesplayer 記者特別訪問製作者，讓他分享製作心得。

▲郭又鋼製作的空拍物件偵測與預測距離影片。

使用 TensorFlow 深度學習套件

系統製作者郭又鋼在科技公司擔任軟體工程師，本年初方開始接觸無人機，逐步以 DIY 方式購買材料進行無人機製作。因工作方面需接觸深度學習程式－Google TensorFlow 深度學習套件，所以希望嘗試結合類神經網路與無人機，從而開發這套應用。

郭先生本年初才開始接觸無人機。

需提供大量檔案學習

影片中可看到無人機能辨識人類和汽車，郭又鋼表示，在訓練時讓深度學習系統為大量檔案作分類，系統透過不斷運算辨識，找出最佳的參數，從而學習辨識人類與汽車。

無人機以 DIY 零件作組裝。

GPU 協助運算

由於辨識要作大量運算，受器材所限他只能把空拍影片轉抄至電腦，再透過顯示卡的 GPU，經幾千次運算得出一套參數，用來辨識人物和汽車。當中使用到 TensorFlow 和 NVIDIA CUDA 套件，電腦的作業系統則是 Ubuntu OS。在製作過程中，郭先生認為最困難的就是 DIY 的無人機品質沒有保證，如他買到灌水電池，只能飛三分鐘。不過因為成本問題，暫時他只能選擇 DIY 無人機。

遙控上的手機固定器和手機殼以 3D 打印機打印而成，郭先生表示耐用度略嫌不足。

可辨識其他物件

郭先生表示，類神經網路像人類持續觀看不同事物，以學習辨識物件，只要不斷提供資料，其也可以辨識空拍中出現的建築物、電線桿等各式各類物件。他表示如有他的無人機有高清圖傳功能，也可以即時傳送影像至電腦作運算，作出即時辨識。

從影片可見，使用系統後能能辨識人類。

測距準確度有待提升

至於辨識汽車距離的功能，郭先生表示系統在運算後具一定參數，再透過三角涵數推測出距離。不過目前數字並不是非常精確。用家需先輸入車子大小的資料，方可計算出汽車的距離。由於個人開發能力有限，沒有辦法給予大量準確資料（如大量汽車型號和體積等），所以目前預測距離功能只是一個大概。

郭先生正操控自製無人機上升。

iPhone 可提升測距精確度

如要提升距離預測的精確度，除了把鏡頭廣角數據、周邊物件大小等資料輸入系統，也有其他方法，如使用兩台無人機進行空拍，藉此計算出深度，找出兩張圖的異同的部分，再用三角涵數算出距離。另一個辨法則是使用 iPhone，因手機具有感測器，當拍攝時無人機移動位置，手機即可運算出移動的距離，等於雙鏡頭的效果。他表示 Apple 的 AR Kit 單鏡頭就可以作準確運算，移動拍攝可算出深度。所以郭認為把手機綁在無人機拍攝也不失為一個可行辦法。目前新款的智能手機具有平行運算能力，搭載的鏡頭質素不錯，更具有 4G 網路，使用上可能不輸於 NVIDIA 運算套件。