輔仁大學
連結分享

#分享 電腦視覺與深度學習實戰經驗分享

4月13日 15:15
🔹 影像在實務的應用 電腦視覺:利用電腦模擬人類視覺的一種技術 先從「分類」>「定位」>「多目標」>「輪廓描繪」各個階段 本章節講師分享數個實際案例。 最簡單的影像分類如「視網膜預測糖尿病」、「電路板瑕疵檢測」就具有極高的商業價值。 但進階到物件偵測時,需要準備的工作有哪些呢?比如校園安全控制,從監視器畫面來判斷是否有人跨過圍欄,物件偵測不僅提供更多的資訊,應用的層面也更加廣泛。 來跟著講師一同了解「分類模型」、「分割模型」、「偵測模型」的差異吧。 🔹 評估影像分類方法 我們利用影像辨識模型完成了許多任務,但該如何確定這個模型的表現「好不好」呢? 常見的 precision、recall、specificity、F-score 分別是什麼意思呢? 利用動物森友會來讓你輕鬆瞭解! 針對不同的辨識任務,這裡推薦了不同的參考指標, 比如不能誤判(False negative)的情況需要提高recall rate。 另外還有Accuracy、AUC、IoU、average precision等眾多指標等你認識。 🔹 影像分類遇到的問題 在我們開始訓練深度神經網路之前需要準備些什麼呢? 硬體來源、資料品質、評估指標,還有哪些問題...? 資料面的魔王:Imbalance data 不曾消失,包含影像分類領域。 此處根據經驗提供七種建議策略,如重新抽樣(Re-sampling)、損失加權(Focal loss)...等。 目前純分類模型的應用場景有限,但從分類模型出發的物件偵測,將會是未來幾年的發展重點。 🔹 深度學習應用(人臉辨識) 故事從一篇 2020 年的 paper 開始:影像畫質提升 開啟了無數修圖app、性別轉換、多照片合成的趣味功能, 但相應也產生了預想不到的科技倫理問題? 讓我們從數學原理了解問題產生的原因。 🔹 案例分享 透過一張照片能傳達多少故事呢? 性別、年齡不難理解,也順利達到99%的準確率。 但是否抽煙喝酒、是不是受到喜歡呢?甚至能不能預測出宗教信仰。 在我們製作專案時,需要注意模型是不是跟我們想像的一樣, 還是它其實學習到另一個沒注意到的地方。 🔹 電腦視覺影像應用 透過機器學習來讓電腦「尋找威利」、預測癌細胞, 透過兩階段的AI模型進行分類,在電腦視覺影像上已經出現了非常多的應用。 甚至「產生假照片」也是一個非常重要的產物? 來看看還有哪些有趣的案例吧。 🔹 本次主講者介紹
14
回應 0
文章資訊
Logo
每週有 27 則貼文