top of page
1. YOLO
1. 邊界框：圖片中的黃色框顯示了YOLO如何精確地識別並定位人臉。這顯示了YOLO在物體（在此例為人臉）定位方面的效能。
2. 信心指數：圖表顯示了不同物體（如裝置、生活用品、口罩等）的信心指數。對於人臉偵測，YOLO模型會計算一個信心指數，表示模型對其預測的確定程度。這個指數對於決定是否接受預測的邊界框非常重要。
3. 多類別預測：從圖表可以觀察到，模型同時評估多個類別的可能性，這是YOLO一次性預測多類別標籤的典型特徵。
2. AI開發平台 - COZE
課堂中教授有請助教帶大家操作AI開發平台：COZE。我以我們TBSA的主題：遊戲攻略聊天機器人製作專屬的機器人，可以透過輸入網址或者將自己爬蟲到的內容儲存於文件，並將資料新增知識給予自己創建的機器人，
以下是輸入網址所獲得的網站文件：
並輸入：
(1)Prompt設定：告訴它角色及任務，可點擊Optimize自動優化。(2)Plugin：串接不同功能使用，例如瀏覽網頁、產生圖片等。(3)Knowledge：個人知識庫，點擊旁邊的+號可以上傳的資料集。(4)Opening Dialog：開始對話及引導問題以下為遊戲聊天機器人根據所給的資料，回答之內容：
3. 爬蟲
利用Parse Hub 爬蟲網站爬的結果：
4. 語音轉文字開發工具與技術
bottom of page