[魔法陣系列] Convolutional Neural Network（CNN）之術式解析 中提到 CNN 由下列所組成： Convolution Oper...
前言 YOLO 是一個即時物件偵測(object detection)的模型，它處理速度可達 30 FPS，可以用在視訊上偵測移動的物體，平均準確度(mAP)可...
在上一篇前言提到 AlexNet 是一個歷史分水嶺，這是由於在 AlexNet 之前，Deep Learning 已經沈寂很久，而在2012年的 ImageNe...
熱身運動都做好了，接下來我們就一路往影像處理上的重要技術 CNN 前進啦！ Convolutional neural network，顧名思義，他是一種神經網路...
基於教學性，本文選擇實作 Denoising AE，基於 Keras 官方提供的 tutorial 來做演練。 Denoising AE 是一種學習對圖片去噪（...
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...
2012年，Alex Krizhesky 和 Geoff Hinton 提出的 AlexNet 在 ImageNet 的圖像分類競賽中以巨大優勢贏得冠軍，使 C...
Day 17 - YOLO 相關概念說明 如果不說明一下 YOLO 的運作概念，對於如何調整 YOLO 參數將會是一籌莫展，所以今天就來說明一下影像辨識的基礎概...
前言 剛剛克服了 YOLO v4 安裝的問題，又碰上另一個 C library 需要安裝，真是頭痛。dlib 是一個機器學習的函數庫，它包含許多功能(可參考官網...
標題這不是一個專有名詞。 在電腦視覺的領域中有幾個有名的問題： 影像辨識（Image recognition） 物件辨識（Object detection）...
參考網站1 參考網站2 接下來照著R語言使用者的python筆記實作練習！來初步了解整個流程，祥細步驟的意義明後天再來認識～ 先將MNIST資料讀入 impo...
今天開始進入應用篇。在介紹 CNN 之前，先來看一段日本五專學生利用圖像分類做的獲獎作品，透過分辨魚的種類自動將魚分裝，大幅減少漁夫作業時間。評審員給出有五億日...
昨天介紹的模型都是用來做圖像分類（Image Classification），那自動駕駛車又用到了其他哪些圖像技術呢？先來感受一下坐在特斯拉的車子裏面會是什麼情...
今日大綱 卷積神經網路 (CNN) 卷積層 (Covolution layer) 池化層 (Pooling layer) 攤平(Flatten layer)...
前言 卷積神經網絡(Convolutional Neural Network)簡稱CNN，CNN是所有深度學習模型(Model)之一，CNN在影像識別方面的威力...
之前有提到 CNN 業會用在 ML ，那甚麼是 ML 呢？ Machine Learning 機器學習 ML 就是 Machine Learning 的縮寫，大...
CNN在影像處理、辨識都是很重要的技術，在上一篇已經稍微了解 CNN 的概念後，現在來看看這個實用的技術會被運用在哪裡吧！ CNN應用場景： 應用場景包括機器學...
參考網站1 ReLu 用ReLu這個激活函數把負數的都變為０ (對filter沒有什麼作用的區域不繼續干擾後續)(紅色 > 0) MaxPooling 接...
參考網站1 參考網站2 CNN流程 卷積層 def conv2d(x, W): return tf.nn.conv2d(x, W, strides=...
Convolution layer 這邊我們回到我們的 convolution layer，如果把以上的一維向量拓展到二維的矩陣資料會長什麼樣子呢？ 我們先來看...
Image Style Transfer 圖像轉換(Style transfer)一直是個讓人感到新穎的主題，本文利用CNN(Convolutional Neu...
大致上的流程圖如下 數字些許不同參考網站1 今天要來看一下第二卷積層的樣子，基本上構造跟第一層一樣filter也是5x5但數量變成了64個。然後MAXpooli...
參考網站1參考網站2參考網站3參考網站４ 今天先來學習卷積神經網絡(Convolutional Neural Network,CNN)的樣貌 如上面視頻來學習...
今日教學CNN了解捲積層、池化層、平坦層、丟棄層各層相關係數的設定影響 捲基層: 積層是一組平行的特徵圖（feature map），它通過在輸入圖像上滑動不...
前言 在學每一個新的程式語言的時候，相信大家第一個寫的一定都是Hello World!吧，那在深度學習領域中，最經典的就是MNIST手寫辨識了。今天我們會透過t...
前言 在昨天的內容中，我們建立了一個卷積神經網路（CNN），並了解了各層的作用與模型的結構。今天，我們將進一步進行模型的編譯與訓練，並且觀察其性能表現。透過使用...
CNN的概念圖如下： （ 圖片來源：https://reurl.cc/l7g1LY ） Convolution Layer 卷積層 卷積的主要概念就是特徵擷...
之前在第三天的內容中提過了卷積神經網絡CNN，作為計算機視覺的核心技術之一，正在幫助機器「看見」並理解這個世界。無論是自動駕駛、醫學影像診斷還是圖像分類，CNN...
前言 延續上一篇對手語資料的探索，這次我們將打造一個基於 CNN 的靜態手勢分類模型。將帶你從資料前處理、模型架構設計、訓練策略（包含 Early Stoppi...
前言 當我們說出「開燈」的瞬間，腦中其實已經構築了一個期望 —— 我希望燈亮起來，而不是只是被「聽見」。 這正是語音互動設計的核心：語音不只是輸入，還必須驅動回...
莉森揪
杜岳華
yehchitsai
theneo
henry_chen
sarahwei0804
allenchen
林酷妹
arbin
yao021019
leeangel
minsnow
iThome鐵人賽
看影片追技術