物件偵測(Object Detection)是指在照片或影片等圖像內容中，用框標出物件的範圍，並且分類為何種物件及他的猜測機率。

在第5天的ILSVR之重大事件筆記裡，有聊到一點點電腦視覺發展的飛快進步的事件點。卷積神經網路(Convolutional Neural Networks,CNN)，開始大量的被運用來提升辨識率。可以用來辨識影像，除了辨識影像，另一個研究方向就是物件的偵測，你除了分類，還要框出物件的位置。而且除了框出物件的位置還要能即時的反應物件的移動。

物件的偵測可以運用在很多產業，像有人用他來辨識黃瓜。
勵志的日本黃瓜農夫，如何用 Google 深度學習 AI 改善農場人生？

引入了 Google 的深度機器學習系統，搭配了圖像辨識與分類學習系統後，製作了一條自動化分類輸送帶，只要事前準備好一批已經分類好的黃瓜，並且拍成照片、標上等級後建檔，交給機器學習模組，之後 AI 就可以透過學習而來的資料，快速且準確的在自動化分類輸送帶上幫助分類。

用來辨識雜草
180 年農機老店，要用 AI 跟雜草開戰

運用電腦視覺和機器學習來偵測、分辨雜草，並做出管理決策。與其漫天噴灑農藥，「看見再噴」(see and spray)的技術，就像手術刀一樣精準，切除每棵病灶。不僅減少90％的農藥用量，還可提高產量。

如果不要涉及隱私方面，電腦視覺是很強大的應用方向。

物件偵測(Object Detection)演算法有

• R-CNN
• Fast R-CNN
• Faster R-CNN
• Mask R-CNN
• YOLO
• SSD

yolo 是學習起來成就感很強的演算法，要弄懂可能不太容易，但是照著官網上的步驟，要實作一個 Demo 還蠻容易成功的。當你可以即時看到他呈現的樣子，在圖片或影片或鏡頭下，看著框追蹤著物體跑，感覺很神奇。下面這張圖，是我試著把 yolo v3放在iPhone上執行，來辨識桌面上的物品的情況。

呼~ 第19天，先寫到這。

參考
YOLO: Real-Time Object Detection
Yolo：基於深度學習的物件偵測 (含YoloV3)
How do Convolutional Neural Networks work?
速記AI課程－Convolutional Neural Networks for Computer Vision Applications（二）
180 年農機老店，要用 AI 跟雜草開戰
關於影像辨識，所有你應該知道的深度學習模型