ChiHsuChen/DL-CVMarathon

深度學習與電腦視覺學習馬拉松作業區

DL-CVMarathon

深度學習與電腦視覺學習馬拉松作業區

D1：OpenCV 簡介 + 顯示圖片

D2：Color presentation 介紹 (RGB, LAB, HSV)

D3：顏色相關的預處理 (改變亮度, 色差)

D4：以圖片為例做矩陣操作 (翻轉, 縮放, 平移)

D5：透過 OpenCV 做圖並顯示 (長方形, 圓形, 直線, 填色)

D6：affine transformation 概念與實作

D7：perspective transformation 概念與實作

D8：Filter 操作 (Sobel edge detect, Gaussian Blur)

D9：SIFT 介紹與實作 (feature extractor)

D10：SIFT 其他應用 (keypoint matching)

D11：CNN分類器架構：卷積層

D12：CNN分類器架構：步長、填充

D13：CNN分類器架構：池化層、全連接層

D14：CNN分類器架構：Batch Normalization

D15：訓練一個CNN分類器：Cifar10為例

D16：如何使用Data Augmentation

D17 - D18：深度學習理論與實作：Classic CNN Backbone

D19：InceptionV1-V3

D20：ResNetV1-V2、InceptionV4、Inception-ResNet

D21：Transfer learning

D22：Breaking Captchas with a CNN

D23：Object detection原理

D24：Object detection基本介紹、演進

D25：Region Proposal、IOU概念

D26：RPN架構介紹

D27：Bounding Box Regression原理

D28：Non-Maximum Suppression (NMS)原理

D29 - D31：程式導讀、實作

D32：YOLO 簡介及算法理解

D33：YOLO 細節理解 - 網路輸出的後處理

D34：YOLO 細節理解 - 損失函數

D35：YOLO 細節理解 - 損失函數程式碼解讀

D36：YOLO 細節理解 - 網路架構

D37：YOLO 細節理解 - 網路架構程式碼解讀

D38：YOLO 演進

D39：使用 YOLOv3 偵測圖片及影片中的物件

D40：更快的檢測模型 - tiny YOLOv3

D41：訓練 YOLOv3

D42：人臉關鍵點-資料結構簡介

D43：人臉關鍵點-檢測網路架構

D44：訓練人臉關鍵點檢測網路

D45：人臉關鍵點應用

D46：Mobilenet

D47：Mobilenetv2

D48：Tensorflow Object Detection API

D49 - D50：期末專題