第十二屆 優選

ai-and-data
輕鬆掌握 Keras 及相關應用
I code so I am

系列文章

DAY 11

Day 11:卷積神經網路(CNN) 剖析與視覺化

前言 從這一篇開始,我們要開始介紹一些演算法及其應用,了解 Keras 的進階用法。首先,介紹【卷積神經網路】(Convolutional Neural Net...

DAY 12

Day 12:影像資料增補(Data Augmentation)

前言 前一篇利用CNN辨識手寫阿拉伯數字,其實有幾個缺點: MNIST 的訓練資料與滑鼠撰寫的樣式有所差異,我猜 MNIST 的資料收集應該是請受測者寫在紙上...

DAY 13

Day 13:測試 CNN 的桌面程式

前言 前一篇利用【資料增補】(Data Augmentation)技術,擴增訓練資料,對於準確率是否有真的提升嗎? 這次,我們就來實作一個具有書寫介面的桌面程式...

DAY 14

Day 14:預先訓練好的模型(Keras Applications)

前言 之前我們都是自建模型,事實上 Keras 引進很多預先訓練好的模型(Keras Applications),他們都是屬於影像辨識的模型,大都是各屆影像辨識...

DAY 15

Day 15:戴口罩偵測實作

前言 因應新冠病毒的防堵,企業及公共場所多強制戴口罩,這一篇就來實作如何利用AI偵測是否戴口罩。 前一篇談到預先訓練好的模型(Keras Application...

DAY 16

Day 16:TensorFlow 2 Object Detection API 安裝

前言 筆者曾介紹過物件偵測(Object Detection),請參閱【這裡】,三年來,整個技術的演進又提升了不少,尤其是YOLO演算法已經進化到第5版了,而且...

DAY 17

Day 17:TensorFlow 2 Object Detection API 實作

前言 前一篇介紹如何安裝 TensorFlow 2 Object Detection API,今天我們就來實作一個簡單的物件偵測(Object Detectio...

DAY 18

Day 18:自駕車(Self-driving) 動態物件偵測實作

前言 前一篇實作一個簡單的物件偵測(Object Detection),接下來我們來模擬自駕車(Self Driving)如何辨識前方的障礙物,一樣使用Tens...

DAY 19

Day 19:Autoencoder 與去除雜訊

前言 Autoencoder 是一個非常重要的模型,它是很多進階模型的基礎,例如風格轉換(Style Transfer)、影像分割(Image Segmenta...

DAY 20

Day 20:使用 U-Net 作影像分割(Image Segmentation)

前言 影像分割(Image Segmentation)也稱【語義分割】(Semantic Segmentation),它可以是物件偵測演算法 RCNN 的延伸...