iT邦幫忙

鐵人檔案

2023 iThome 鐵人賽
回列表
自我挑戰組

AI研究 系列

AI研究在當今科學領域中正處於快速發展的前沿,但它也面臨著許多重大挑戰,如何讓AI更貼近我們生活是第一重要的問題,這次的挑戰我將以幾個主題來出發,AI的長期學習,AI的自我修復,AI的社會便利性,以及AI的倫理以及法律問題
AI研究的未來是多樣化且具有挑戰性的,它將需要跨領域合作,包括計算機科學、數學、心理學和倫理學等領域的專家。這些努力將有助於實現更智能、更有益的AI技術,以應對現代社會面臨的複雜問題。

鐵人鍊成 | 共 30 篇文章 | 2 人訂閱 訂閱系列文 RSS系列文
DAY 21

YOLO 影像辨識(一): You Only Look Once (YOLO),快速而準確的影像辨識演算法。

YOLO的由來、演算法邏輯 YOLO是You Only Look Once的縮寫,在影像辨識中代表你只需要看一次就能辨識出圖片中的物件。傳統的影像辨識演算法,如...

2023-10-01 ‧ 由 熊晨佑 分享
DAY 22

YOLO 影像辨識(二): You Only Look Once(YOLO)的特色

YOLO的優勢與限制,例如: 速度快:YOLO只需要一次前向傳播就可以完成物件偵測,而不需要重複掃描圖片或產生候選區域。這使得YOLO可以達到實時的速度,適合用...

2023-10-02 ‧ 由 熊晨佑 分享
DAY 23

YOLO 影像辨識(三): YOLO在影像辨識中的步驟。

我們將深入探討YOLO的每個步驟以及一些相關的細節: 資料預處理: 圖片縮放:YOLO模型通常需要輸入具有固定大小的圖片。這有助於確保模型能夠處理不同大小的物件...

2023-10-03 ‧ 由 熊晨佑 分享
DAY 24

YOLO 影像辨識(四): YOLO版本比一比

不同版本的YOLO算法的主要特點如下: YOLOv1:使用直接回歸的方式預測目標框的位置和類別,提高了檢測速度,但對小目標和密集目標的檢測效果不佳。YOLOv2...

2023-10-04 ‧ 由 熊晨佑 分享
DAY 25

影像辨識實作(零)

後續的文章都用以YOLO影像辨識來實作比如水果,人物,車子的辨識以下是實作範例: ⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀動物的辨識 ⠀⠀⠀⠀⠀...

2023-10-05 ‧ 由 熊晨佑 分享
DAY 26

影像辨識實作(一):Kaggle平台實作yolo映像辨識

發現資料的寶庫: Kaggle 提供了多樣化且經過整理的數據集,涵蓋了各種領域,從影像識別到金融分析。這些數據集為數據科學家提供了寶貴的資源,讓他們能夠專注於問...

2023-10-06 ‧ 由 熊晨佑 分享
DAY 27

影像辨識實作(二):Kaggle平台實作yolo映像辨識

匯入模組import tensorflow as tfimport numpy as npfrom PIL import Image, ImageDraw, I...

2023-10-07 ‧ 由 熊晨佑 分享
DAY 28

影像辨識實作(三):Kaggle平台實作yolo映像辨識

模型輔助函數讀取圖片、繪製邊界框、計算交並比、非極大值抑制等。這些函數會幫助模型處理輸入和輸出的數據,以及過濾掉不可靠的預測結果。def load_images...

2023-10-08 ‧ 由 熊晨佑 分享
DAY 29

影像辨識實作(四):Kaggle平台實作yolo映像辨識

將模型的權重轉換為適用於TensorFlow的格式。我們會逐步讀取相關檔案,並進行必要的處理,以建立適用於TensorFlow的tf.assign操作,以便將權...

2023-10-09 ‧ 由 熊晨佑 分享
DAY 30

影像辨識實作(五):Kaggle平台實作yolo映像辨識

運行整個程式 Sample imagesimg_names = ['../input/dog.jpg', '../input/office.jpg']for i...

2023-10-10 ‧ 由 熊晨佑 分享