經過了 30 天的探索，我們從傳統電腦視覺開始，一路學習到最近幾年的架構。在鐵人賽最後一天，簡單介紹一下我們未提及但在現在相當重要的議題。 神經渲染與即時光線追...
在鐵人賽倒數兩天，我們稍微把視角轉向 3D 世界。 傳統的 3D 內容創作和渲染，依賴於像網格 (mesh)、體素 (voxel)、點雲 (point clou...
我們昨天學到的擴散模型如 Stable Diffusion，內部必須有一個文本編碼器來理解我們的文字提示 (prompt)，並將其作為條件來引導圖像生成。這自然...
雖然在過去，GAN 一直都是生成高品質圖片的主流，但他訓練不穩定、模式單一的問題也困擾著許多人。近幾年，一個從熱力學汲取靈感的模型：擴散模型 (diffusio...
過去十幾天，我們所介紹的所有模型，基本上都建立在 CNN 上。CNN 在電腦視覺領域統治了約 10 年之久，但來自自然語言處理 (Natural Languag...
昨天我們成功實作了 DCGAN 並用於生成手寫數字，但問題是「我們沒辦法指定 GAN 具體會生成什麼內容」。因此今天將要學習，如何進行可控的生成。 cGAN 條...
VAE 雖然能生成多樣化的結果，但其生成的圖片（尤其是複雜圖片）往往比較模糊，缺乏細節。如果我們不追求像素級別的重建，而是以以假亂真為目標，那麼 GAN 就是我...
自編碼器 自編碼器 1(AutoEncoder, AE) 是一種非監督式學習的神經網路，它的訓練目標極其簡單：讓輸出結果 x̂ 與輸入 x 盡可能地完全相同。...
到目前為止，我們所學的所有監督式模型，都是建立在大量高品質的人工標註數據上。這個過程耗時耗力，也限制了模型的應用規模。 我們是否也能讓模型像人類一樣，單純透過觀...
影像分割 當我們想要的，不只是一個粗略的矩形邊界框，而是物體每一個像素級別的精確輪廓，例如精準描繪出腫瘤的位置，這時單靠我們前幾天學的方法已經不敷使用。這時，我...
R-CNN 系列演算法都有獲取候選區域這個步驟，然而也是因為分為兩步驟進行，雖然精準，但偵測速度受到了限制。因此另一派演算法選擇拋去這個步驟，最具代表性的模型為...
現實中的視覺任務，往往遠比我們前幾天所做的圖像分類還複雜，例如物件偵測：不只要知道圖片有一隻貓，還要知道貓在哪裡。物件偵測的目標是同時在一張圖片完成兩件事...
如果我們手上只有數百張貓狗的照片，是沒辦法像前幾天一樣訓練出像 ResNet 這種好的分類器，反而會遇到過擬合的問題。在這種缺乏數據的情況下，我們能用遷移學習...
至今我們學習的 VGG、ResNet 等模型，它們的設計目標都是追求極致的準確率。然而，這些模型龐大的參數數量和巨大的計算量，使得它們很難被部署到手機、無人機、...
雖然我們學會了怎麼用各種不同 CNN 模型來進行圖像辨認，但對他的認識仍停留在黑盒子的階段。模型在做出「這是一隻貓」的決斷時，還是不知道它是依據什麼做判斷的，而...
雖然昨天我們知道 VGGNet 在一定程度上有著網路越深、效果越好的特性，但是當研究人員把網路堆疊約 20 層以上時，模型的準確率反而開始下降。這不是過擬合所導...
AlexNet 在 2012 年之前，舉世聞名的 ILSVRC (ImageNet Large Scale Visual Recognition Challen...
ANN 的缺點 雖然 ANN 能夠自動學習特徵，但是他在處理影像時會把二維的圖片攤平成一維的向量，這會造成空間結構資訊的喪失。ANN 沒辦法理解相鄰或上下左右這...
線性模型 前一天我們學到了最直觀的 KNN 演算法，但他在預測時需要計算與所有訓練樣本的距離，這在數據量大時會變得非常緩慢。它並沒有真正「學習」到一個濃縮的、高...
機器學習簡介 我們對傳統電腦視覺領域中，基於幾何和梯度的方法論，已經有了非常深入的理解和實踐。這些方法在處理具有明確規則和幾何結構的任務時，表現得非常出色，但如...
RANSAC 雖然我們學到 ORB 能自動找到數十甚至上百對的匹配點，但其中不可避免地會包含一些錯誤的匹配。如果我們把這些包含「雜訊」的匹配點全部丟進去計算單應...
幾何變換 當我們在兩張圖片中找到了對應的特徵點後，如何計算出一個能將一張圖片「變形」到另一張圖片視角下的矩陣？這個矩陣稱為單應性矩陣 (homography)，...
我們現在已經有能力從一張圖片中，提取出一組代表其結構的「重點座標」。但電腦要如何確定這是「同一個角」，而不是兩個不同的角呢？ 描述子 描述子 (descript...
特徵工程 如果我們要跟一個沒見過貓的朋友敘述貓的長相，我們正常不會說「他左上的第一個像素顏色是什麼」，而是敘述他的眼睛、耳朵、尾巴長怎麼樣。對電腦來說，讓他主動...
在數位影像的世界裡，影像雜訊是無可避免的問題。無論是來自於光線不足、感光元件的熱雜訊，或是傳輸過程中的失真，雜訊都會降低影像品質。本篇將介紹常見的影像雜訊類型，...
從光子到檔案：曝光與影像格式 從按下相機快門的那刻，到變成我們看見的圖片之前，發生了哪些事情？ 內部處理流程 在轉換程我們常見的 JPEG 格式前，相機前後基本...
什麼是像素 我們可以想像眼前有一幅馬賽克拼貼畫，它由數萬個彩色磁磚構成，而對於數位影像來說，這些彩色磁磚所指的就是像素 (pixel)。一張數位影像，本質上是由...
人類如何看見世界 在正式進入圖像處理與電腦視覺的領域之前，先來簡單說明「人類如何看見世界」這件事。人類的眼球由數個構造所構成，包含瞳孔 (pupil)、水晶體...
課程介紹影像辨識領域是近年來深度學習最蓬勃發展的一塊領域，舉凡智慧家居、自駕車、生產瑕疵品檢測、安防監控、醫療影像等應用，都和深度學習影像辨識技術息息相關。而...
ROS機器人開發實戰 https://www.ittraining.com.tw/ittraining/course/ros-robot/rosAI深度學習與...
iThome鐵人賽
看影片追技術
看更多
hibiki