👁️ 深度電腦視覺

假設你已會 CNN 基礎，直接做視覺進階主題：遷移學習、資料增強、YOLO 物件偵測、影像分割、Grad-CAM

影像即張量 · torchvision 的入口 範例輸出 01 入門

影像即張量 · torchvision 的入口

在電腦眼裡，一張彩色影像就是一個 [C,H,W] 張量。這堂課用 torchvision 載入 CIFAR-10，看懂影像的形狀、像素範圍，以及正規化這個視覺模型幾乎必做的前處理。
在 CIFAR-10 上訓練一個 CNN 範例輸出 02 入門

在 CIFAR-10 上訓練一個 CNN

從 pytorch 軌道的灰階 MNIST，升級到彩色、更難的 CIFAR-10，用上現代 CNN 的標準配備：Conv→BatchNorm→ReLU 堆疊、MaxPool 降尺寸、Dropout 抗過擬合。
遷移學習 · 站在 ImageNet 的肩上 範例輸出 03 進階

遷移學習 · 站在 ImageNet 的肩上

從零訓練 CNN 要大量資料與算力。遷移學習拿 ImageNet 預訓練模型，凍結已學會通用視覺特徵的 backbone，只換掉分類頭微調——又快又準，是業界做影像分類的預設起手式。
資料增強 · 對抗過擬合 範例輸出 04 進階

資料增強 · 對抗過擬合

模型在訓練集很準、測試集卻爛掉，就是過擬合。資料增強用隨機裁切、翻轉、調色讓模型每個 epoch 看到同一張圖的不同變體，被迫學到穩健特徵而不是背圖——視覺領域最有效的正則化。
物件偵測 · 不只是什麼，還要在哪裡 範例輸出 05 進階

物件偵測 · 不只是什麼，還要在哪裡

分類一張圖回一個標籤，但真實場景一張圖常有很多東西。物件偵測同時回答有什麼、在哪裡——框出每個物件的邊界框、類別與信心。用業界最當紅的 YOLO 開箱即用做推論。
影像分割 · 逐像素看懂畫面 範例輸出 06 進階

影像分割 · 逐像素看懂畫面

偵測畫的是方框，方框裡仍混著背景。影像分割替每一個像素分類，精確切出物件輪廓。分語意分割（同類合一）與實例分割（同類分個體），用 YOLO-seg 實作實例分割。
Grad-CAM · 模型到底在看哪裡 範例輸出 07 進階

Grad-CAM · 模型到底在看哪裡

CNN 說這是一隻狗、信心 98%，但它是看了狗的臉，還是看了背景的草地剛好猜對？Grad-CAM 用最後一層卷積的梯度，畫出影像上哪些區域對預測貢獻最大——打開 CNN 黑盒子。
端到端實戰 · 完整影像分類專案 範例輸出 08 專題

端到端實戰 · 完整影像分類專案

整條軌道的收尾。把遷移學習 + 資料增強串成一個完整流程：訓練分類器、對單張圖做 Top-3 推論、存檔，最後聊怎麼把模型匯出成 ONNX/TF.js 部署到瀏覽器——呼應本站 MNIST 手寫辨識的做法。

留言 0

留言載入中…