背景

1. 「自從去年參加了IT鐵人賽，考試都考一百分」，現在是名提供影像辨識解決方案的工程師。

2. 任職期間，我接觸了「光學字元辨識」、「CCTV實時偵測」等專案。從一開始的資料收集、前處理、選定模型到訓練驗證與優化等，最終提供合適的解決方案。另外，不得不說：主導專案開發流程與跨部門溝通，才是最重要的，都是血與淚。

再次參賽

1. 回顧這一年，為了在專案期限內順利達成需求，只要是可能有幫助的，都是囫圇吞棗臨陣磨槍。雖說幸運地完成，但過程中也遺漏不少內容。

2. 到了2022年IT鐵人賽，腦袋暫存空間已不足，決定將所學彙整撰文，和大家分享常用的物件偵測模型與應用經驗。

3. 今年，得來個不一樣的。由6位不同領域的工程師齊聚「大腦已超載」，到底能否順利闖過30天關卡？

   

摘要

1. 本系列文章使用Python實現物件偵測模型，並以Pycharm進行不同模型需求套件之版本管控。

2. 物件偵測模型：
   2.1 介紹常用模型，如：YOLOv4、Scaled YOLOv4、YOLOR...等。
   2.2 如何將Github開源模型部署到本地端，及使用自己標註的資料集訓練模型。

3. Opencv應用

4. 透過專案進行實作
   4.1 從資料前處理(如：抽小樣建模)、資料訓練格式、訓練模型..驗證到部署。
   4.2 比較不同物件偵測模型的效能。

小結

1. 本次列車開往「前哨站」，將逐步引導如何環境安裝、Pycharm專案套件管理與後續撰文思路。

讓我們繼續看下去...