iT 邦幫忙::一起幫忙解決難題，拯救 IT 人的一天

0 Like 0 留言 82 瀏覽

鐵人賽 AI & Data DAY 22

從0開始：傳統圖像處理到深度學習模型系列第 22 篇

技術 Day 22 - 自監督學習與對比學習

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...

hibiki ‧ 2025-09-01

0 Like 0 留言 102 瀏覽

鐵人賽 AI & Data DAY 21

從0開始：傳統圖像處理到深度學習模型系列第 21 篇

技術 Day 21 - 語義分割與實例分割

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...

hibiki ‧ 2025-08-31

0 Like 0 留言 96 瀏覽

鐵人賽 AI & Data DAY 20

從0開始：傳統圖像處理到深度學習模型系列第 20 篇

技術 Day 20 - 物件偵測（二）YOLO 與 SSD

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...

hibiki ‧ 2025-08-30

0 Like 0 留言 93 瀏覽

鐵人賽 AI & Data DAY 19

從0開始：傳統圖像處理到深度學習模型系列第 19 篇

技術 Day 19 －物件偵測（一）R-CNN

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...

hibiki ‧ 2025-08-29

0 Like 0 留言 93 瀏覽

鐵人賽 AI & Data DAY 18

從0開始：傳統圖像處理到深度學習模型系列第 18 篇

技術 Day 18 - 遷移學習與資料增強

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...

hibiki ‧ 2025-08-28

0 Like 0 留言 117 瀏覽

鐵人賽 AI & Data DAY 17

從0開始：傳統圖像處理到深度學習模型系列第 17 篇

技術 Day 17 - 卷積神經網路（五）MobileNet

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、...

hibiki ‧ 2025-08-27

0 Like 0 留言 101 瀏覽

鐵人賽 AI & Data DAY 16

從0開始：傳統圖像處理到深度學習模型系列第 16 篇

技術 Day 16 - 卷積神經網路（四）Grad-CAM

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...

hibiki ‧ 2025-08-26

0 Like 0 留言 141 瀏覽

鐵人賽 AI & Data DAY 15

從0開始：傳統圖像處理到深度學習模型系列第 15 篇

技術 Day 15 - 卷積神經網路（三） GoogLeNet 與 ResNet

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...

hibiki ‧ 2025-08-25

1 Like 0 留言 255 瀏覽

鐵人賽 AI & Data DAY 14

從0開始：傳統圖像處理到深度學習模型系列第 14 篇

技術 Day 14 – 卷積神經網路（二） AlexNet 與 VGG

AlexNet 在 2012 年之前，舉世聞名的 ILSVRC (ImageNet Large Scale Visual Recognition Challen...

hibiki ‧ 2025-08-24

0 Like 0 留言 132 瀏覽

鐵人賽 AI & Data DAY 13

從0開始：傳統圖像處理到深度學習模型系列第 13 篇

技術 Day 13 - 卷積神經網路（一） CNN 入門

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...

hibiki ‧ 2025-08-23

0 Like 0 留言 121 瀏覽

鐵人賽 AI & Data DAY 11

從0開始：傳統圖像處理到深度學習模型系列第 11 篇

技術 Day 11 - 機器學習初探（二） HOG 與 SVM

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...

hibiki ‧ 2025-08-21

0 Like 0 留言 96 瀏覽

鐵人賽 AI & Data DAY 10

從0開始：傳統圖像處理到深度學習模型系列第 10 篇

技術 Day 10 - 機器學習初探（一） KNN

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...

hibiki ‧ 2025-08-20

0 Like 0 留言 127 瀏覽

鐵人賽 AI & Data DAY 9

從0開始：傳統圖像處理到深度學習模型系列第 9 篇

技術 Day 9 – RANSAC 與全景照片

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...

hibiki ‧ 2025-08-19

0 Like 0 留言 143 瀏覽

鐵人賽 AI & Data DAY 8

從0開始：傳統圖像處理到深度學習模型系列第 8 篇

技術 Day 8 - 從匹配到變換

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)，...

hibiki ‧ 2025-08-18

0 Like 0 留言 142 瀏覽

鐵人賽 AI & Data DAY 6

從0開始：傳統圖像處理到深度學習模型系列第 6 篇

技術 Day 6 - 特徵工程（二） SIFT、SURF 與 ORB

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...

hibiki ‧ 2025-08-16

0 Like 0 留言 101 瀏覽

鐵人賽 AI & Data DAY 5

從0開始：傳統圖像處理到深度學習模型系列第 5 篇

技術 Day 5 - 特徵工程（一）影像的關鍵點

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...

hibiki ‧ 2025-08-15

0 Like 0 留言 161 瀏覽

鐵人賽 AI & Data DAY 4

從0開始：傳統圖像處理到深度學習模型系列第 4 篇

技術 Day 4 - 圖片雜訊與濾波

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，...

hibiki ‧ 2025-08-14

0 Like 0 留言 104 瀏覽

鐵人賽 AI & Data DAY 3

從0開始：傳統圖像處理到深度學習模型系列第 3 篇

技術 Day 3 - 曝光與直方圖

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...

hibiki ‧ 2025-08-13

0 Like 0 留言 154 瀏覽

鐵人賽 AI & Data DAY 2

從0開始：傳統圖像處理到深度學習模型系列第 2 篇

技術 Day 2 - 像素與色彩空間

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...

hibiki ‧ 2025-08-12

0 Like 0 留言 205 瀏覽

鐵人賽 AI & Data DAY 1

從0開始：傳統圖像處理到深度學習模型系列第 1 篇

技術 Day 1 - 人類與電腦視覺入門

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...

hibiki ‧ 2025-08-11

0 Like 0 留言 17569 瀏覽

活動【AI電腦視覺課程】AI深度學習與影像辨識 ─ 影像預處理到深度學習CNN應用

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...

艾鍗學院 ‧ 2018-12-06

0 Like 0 留言 7089 瀏覽

活動 [分享] 4大門技術課程，貼近AI與機器人的明天

ROS機器人開發實戰 https://www.ittraining.com.tw/ittraining/course/ros-robot/rosAI深度學習與...

艾鍗學院 ‧ 2018-10-29

0 Like 0 留言 15353 瀏覽

鐵人賽 Big Data DAY 29

宅宅駕駛座旁無伊人，莫辜負自幹雙手萬能，怎沒人響應開源自動駕駛，一起來做沒有人系列第 30 篇

技術江山代有才人出，各領風騷迎禧年；CES 2017的東歐新秀，Almotive AI自動駕駛軟體與套件公司進軍美國，傳統汽車產業又多一威脅

汽車向來是最高檔次的消費產品類，封閉的產業；但當AI人工智慧的演算法和複雜架構因著GPU助長了深度學習的進展，微控制器和opensource的快速經驗複製加速了...

jameschou787 ‧ 2017-01-13

0 Like 1 留言 2617 瀏覽

鐵人賽 Big Data DAY 12

宅宅駕駛座旁無伊人，莫辜負自幹雙手萬能，怎沒人響應開源自動駕駛，一起來做沒有人系列第 13 篇

技術要想DIY深度學習自動駕駛安全上車把車模，先得準備大尺寸CMOS攝影機和大光圈高級鏡頭！欸，不是給你拍妹的影像，是給機器學習拍攝高品質的正確街景、正確辨識，安全認路用的！

一旦巨量數據處理不是桌上的模擬測試場，而是在真實世界物理環境中，就並不單單只是演算法與軟體程式的耗能運作CPU而已，基礎建設設施的適切性，占了很原生的重要地位！...

jameschou787 ‧ 2016-12-27

0 Like 0 留言 1851 瀏覽

鐵人賽 Big Data DAY 1

宅宅駕駛座旁無伊人，莫辜負自幹雙手萬能，怎沒人響應開源自動駕駛，一起來做沒有人系列第 1 篇

技術今年最火紅的話題的就是電腦視覺、深度學習、自動駕駛

宅宅駕駛座旁無伊人，莫辜負自幹雙手萬能，怎沒人響應開源自動駕駛，一起來做沒有人簡介今年最火紅的話題的就是電腦視覺、深度學習、自動駕駛，最近最衝擊的兩新聞是...

jameschou787 ‧ 2016-12-16