鐵人檔案
本篇學習筆記主要是拿來督促自己的，內容涵蓋YOLO的基本架構與其演變，包括從YOLOv1到YOLOv9的發展，介紹其差異，及如何使用YOLO進行物件偵測。內容也會探討到模型的理論、訓練過程、參數調整以及評估指標。通過這篇筆記，目標是讓自己跟讀者知道如何利用遷移學習讓模型在自己的資料集上進行訓練，希望能有所助益!
大家好，歡迎來到這個為期30天的YOLO系列挑戰賽！這次挑戰的初衷完全是為了自我督促，然後公司開發案多到爆炸，既然下班都要擠時間自學，不然就來參加挑戰賽吧! 這...
Single object：單一物件表示在圖像中只處理一個物件。又可分為以下兩類 分類（Classification）：識別單一物件的類別，例如「兔子」。 分...
因為是公司專案需要，這邊私心會整理跟工作場合相關的資料集們，主要用在工業場景研究活動識別、姿勢偵測、安全檢測等 Chalearn LAP (Looking...
混淆矩陣是機器學習和分類模型中一個非常重要的工具，它用來可視化模型在分類任務中的預測結果，幫助我們評估模型的性能。這種矩陣將模型的預測結果和實際結果進行對比，進...
透過這四個指標，混淆矩陣幫助我們計算出多種常見的評估指標，這些指標能夠反映出模型在處理分類問題中的表現： 1.準確率 (Accuracy)：準確率是最簡單的一個...
4.F1 Score：F1 Score 是精確率和召回率的調和平均數，用來綜合評估模型的表現。當精確率和召回率都很重要時，這個指標特別有用。計算公式： F1=2...
