2019 深度學習與電腦視覺馬拉松 Deep Learning for Computer Vision Marathon
001:OpenCV簡介+顯示圖片 Introduction of OpenCV and imshow
002:色彩呈現方式介紹 Introduction of Color Presentation (RGB, LAB, HSV)
003:顏色相關的預處理(改變亮度、色差) Color Preprocessing (adjust brightness, color aberration)
004:矩陣操作基礎的幾何變換(翻轉/縮放/平移) Basic Geometric Transformation (Rotation/Scaling/Shifting)
005:OpenCV作圖並顯示(長方形/圓形/直線/填色) Ploting and Displaying Images using OpenCV
006:仿射轉換的概念入門與實作 Affine Transformation
007:視角轉換的概念入門與實作 Perspective Transformation
008:初探邊緣檢測與模糊圖片操作 Filter 操作 (Sobel edge detect, Gaussian Blur)
009:SIFT 介紹與實作 (feature extractor)SIFT: 介紹與實作經典的傳統特徵
010:SIFT 其他應用 (keypoint matching)SIFT 案例分享: 特徵配對
011:CNN分類器架構-卷積層 Structure of CNN Based Classifier - Convolutional Layers
012:CNN分類器架構-步長、填充 Structure of CNN Based Classifier - Stride and Zero-Padding
013:CNN分類器架構-池化層、全連接層 Structure of CNN Based Classifier - Pooling and Fully-Connected Layers
014:CNN分類器架構-批標準化 Structure of CNN Based Classifier - Batch Normalization
015:訓練一個CNN分類器-Cifar10為例 Training a CNN Based Classifier - Cifar10 as Example
016:Data Augmentation 訓練模型時常常會遇到資料不足的時候,適當的使用Image Augmentation能提升模型的泛化性
017:AlexNet 綜合之前所學的CNN觀念,認識第一個引領影像研究方向朝向深度學習的模型
018:VGG16 and 19 模型繼續進化,認識簡單卻又不差的CNN模型
019:InceptionV1-V3 Inception module提供大家不同於以往的思考方式,將模型的參數量減少,效能卻提升了許多
020:ResNetV1-V2、InceptionV4、Inception-ResNet 首次超越人類分類正確率的模型,Residual module也影響了後來許多的模型架構
021:Transfer learning 學習如何利用前人的知識輔助自己訓練與跨領域學習的方法
022:Breaking Captchas with a CNN
023:Object detection原理 了解Object Detection出現的目的與基本設計原理
024:Object detection基本介紹、演進 了解Object Detection一路發展下來,是如何演進與進步
025:Region Proposal、IOU概念 IOU是貫穿Object Detection的一個重要觀念,了解如何計算IOU對了解Object Detection中許多重要步驟會很有幫助
026:RPN架構介紹 RPN是Faster RCNN成功加速的關鍵,了解RPN便能深入認識Faster RCNN
027:Bounding Box Regression原理 所有的Object Detection模型都需要做Bounding Box的Regression,了解其是如何運作的能幫助我們更認識Object Detection
028:Non-Maximum Suppression (NMS)原理 所有的Object Detection模型都有Non Maximum Suppression的操作,了解其是如何運作的能幫助我們更認識Object Detection
029:程式導讀、實作 了解如何搭建一個SSD模型
030:程式導讀、實作 了解如何搭建一個SSD模型
031:程式導讀、實作 了解如何搭建一個RetinaNet模型
032:YOLO 簡介及算法理解
033:YOLO 細節理解 - 網路輸出的後處理
034:YOLO 細節理解 - 損失函數
035:YOLO 細節理解 - 損失函數程式碼解讀
036:YOLO 細節理解 - 網路架構
037:YOLO 細節理解 - 網路架構程式碼解讀
038:YOLO 演進
039:使用 YOLOv3 偵測圖片及影片中的物件
040:使用 YOLOv3 訓練自己的資料集
041:實作練習 - tiny YOLOv3
042:understand data
043:define network architecture
044:training
045:load model and inference
046:introduction; mobilenet
047:mobilenetv2
048:tensorflow object detection api (inference)
049:期末專題 電腦視覺驗收賽
050:期末專題 電腦視覺驗收賽