系列文章
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：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：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：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：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：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：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：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：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：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...