YOLO V1 論文導讀
2 likes2,656 views
本文件介绍了YOLO v1在物件侦测领域的背景、核心概念及其优缺点。YOLO v1通过将物件侦测视为回归问题，大大提高了检测速度和准确性，但在小物件定位上仍不及Fast R-CNN。文末提到YOLO v1在后续版本如YOLO v2至YOLO v3中的影响及其相关资源链接。
1 of 36
Ad
Recommended
從圖像辨識到物件偵測，進階的圖影像人工智慧 (From Image Classification to Object Detection, Advance...
從圖像辨識到物件偵測，進階的圖影像人工智慧 (From Image Classification to Object Detection, Advance...Jian-Kai Wang
?
該文檔闡述了圖像辨識和物件偵測的基本原理與技巧，包括監督式學習、YOLO和Faster R-CNN的策略，以及損失函數和模型評估指標。在機器學習的流程中，資料的收集、前處理及模型訓練至關重要，並提到如何通過超參數調整和轉移學習來優化訓練結果。文檔還提供了相關的源代碼和資料集，用於實作和驗證物件偵測模型。贬础罢贰罢搁滨厂を攻略する础滨を作る
贬础罢贰罢搁滨厂を攻略する础滨を作るthreepipes_s
?
テトリスブラウザゲームのHATETRIS( https://qntm.org/files/hatetris/hatetris.html )をビームサーチで攻略しました、という内容で、LTサークルのZliさん@会津大学にて話してきたスライドです。
ソースコードはこちら:
改造HATETRIS: https://github.com/threepipes/hatetris
評価基盤: https://github.com/threepipes/marathon_runnerアセット生成AIで作成したキャラクターをリリースした事例 ~これが『逆転オセロニア』のエイプリルフール！~
アセット生成AIで作成したキャラクターをリリースした事例 ~これが『逆転オセロニア』のエイプリルフール！~TakumaYoshimura
?
CEDEC2022 講演資料です。
https://cedec.cesa.or.jp/2022/session/detail/150Structure from Motion
Structure from MotionRyutaro Yamauchi
?
【解説】Structure from Motion
arXivTimes 勉強会
2018/09/20
株式会社ALBERT 山内隆太郎SSII2019TS: 実践カメラキャリブレーション ～カメラを用いた実世界計測の基礎と応用～
SSII2019TS: 実践カメラキャリブレーション ～カメラを用いた実世界計測の基礎と応用～SSII
?
SSII2019 チュートリアル講演
TS3 6月14日(金) 9:00～10:20 (メインホール)
カメラの幾何学的キャリブレーションはカメラを使った３次元計測?認識に欠かすことができない基礎技術です。?近年では LIDAR や ToF カメラのように深度情報を直接出力するカメラや、全周囲カメラのように透視投影ではないカメラをセンサとして使用することも一般的になりました。本講演ではこれらの幾何学的キャリブレーションについて、実例を交えながら基礎からご紹介します。さらに講演内容に対応した初学者向けのサンプルコードについても紹介します。础搁マーカーを利用した贬辞濒辞尝别苍蝉同士の位置合わせ
础搁マーカーを利用した贬辞濒辞尝别苍蝉同士の位置合わせTakahiro Miyaura
?
贬辞濒辞尝别苍蝉のシェアリングとその位置合わせ精度上げるために惭搁罢碍标準の方法から础搁マーカでの検出に切り替えた话20210711 deepI2P
20210711 deepI2PTakuya Minagawa
?
This document summarizes a paper titled "DeepI2P: Image-to-Point Cloud Registration via Deep Classification". The paper proposes a method for estimating the camera pose within a point cloud map using a deep learning model. The model first classifies whether points in the point cloud fall within the camera's frustum or image grid. It then performs pose optimization to estimate the camera pose by minimizing the projection error of inlier points onto the image. The method achieves more accurate camera pose estimation compared to existing techniques based on feature matching or depth estimation. It provides a new approach for camera localization using point cloud maps without requiring cross-modal feature learning.SSII2019TS: 実践カメラキャリブレーション ～カメラを用いた実世界計測の基礎と応用～
SSII2019TS: 実践カメラキャリブレーション ～カメラを用いた実世界計測の基礎と応用～SSII
?
SSII2019 チュートリアル講演
TS3 6月14日(金) 9:00～10:20 (メインホール)
カメラの幾何学的キャリブレーションはカメラを使った３次元計測?認識に欠かすことができない基礎技術です。?近年では LIDAR や ToF カメラのように深度情報を直接出力するカメラや、全周囲カメラのように透視投影ではないカメラをセンサとして使用することも一般的になりました。本講演ではこれらの幾何学的キャリブレーションについて、実例を交えながら基礎からご紹介します。さらに講演内容に対応した初学者向けのサンプルコードについても紹介します。搁翱厂でつながる痴搁颁丑补迟
搁翱厂でつながる痴搁颁丑补迟Hirokazu Onomichi
?
Onomichi Hirokazu gave an introduction to connecting ROS and VRChat. He discussed using VRChat as a virtual environment to interact with robots in simulation. Key points included using ROS and OSC messages to control virtual objects from a real robot, and using a virtual motion tracker and ROS tf to map robot joint states to an avatar in VRChat. He demonstrated controlling an avatar's limbs based on data from Dynamixel servos. The goal is to enable remote participation in robot events using VR.めざせスカウター！ HoloLensによる特定個人の 顔認識アプリ制作とその課題
めざせスカウター！ HoloLensによる特定個人の 顔認識アプリ制作とその課題Kenta Iwasaki
?
2017年5月28日(日)に開催された、Android Bazaar and Conference 2017 Spring (ABC2017S)のMR/VRトラックで発表した時の資料[第2回3D勉強会 研究紹介] Neural 3D Mesh Renderer (CVPR 2018)
[第2回3D勉強会 研究紹介] Neural 3D Mesh Renderer (CVPR 2018)Hiroharu Kato
?
The document discusses 3D reconstruction techniques, including 2D-to-3D style transfer and 3D deepdream applications. It contains various numerical values related to different objects, likely representing some form of analysis or measurement. Additionally, it references notable artworks, suggesting a connection to artistic interpretations of these technologies.[DL輪読会]Multi-Agent Cooperation and the Emergence of (Natural) Language
[DL輪読会]Multi-Agent Cooperation and the Emergence of (Natural) LanguageDeep Learning JP
?
2017/3/31
DeepLearning JP:
http://deeplearning.jp/seminar-2/
No011-01-Suc3rum-20100225
No011-01-Suc3rum-20100225Sukusuku Scrum
?
The document discusses the benefits of meditation for reducing stress and anxiety. It notes that meditation can help calm the mind and body by lowering heart rate and easing muscle tension. Regular meditation of 10-20 minutes per day is recommended to experience stress-relieving benefits.猫でも分かるUE4を使った VRコンテンツ開発 超入門編 2021
猫でも分かるUE4を使った VRコンテンツ開発 超入門編 2021エピック?ゲームズ?ジャパン Epic Games Japan
?
講演動画はこちら：
https://youtu.be/NWOa52YRPdM
講演者：
岡田 和也（Epic Games Japan）
https://twitter.com/pafuhana1213
本スライドは20219月9日に行われたオンライン勉強会「VR DOJO - Session & Meetup For Creators- #1」の講演資料となります。
イベントについてはこちら：
https://gamecreatorsguild.connpass.com/event/221535/Virtual Tsukuba Challenge on Unity について
Virtual Tsukuba Challenge on Unity についてUnityTechnologiesJapan002
?
自律移動ロボットの公開実験大会である「つくばチャレンジ」は2020年，コロナウイルスの影響によりオンラインでの開催が決定し，シミュレータを用いた実験（Virtual Tsukuba Challenge（VTC））が案内されています．本講演では，VTCをUnity上に再現し，かつRobot Operating System（ROS）との連携を行うための方法をご紹介します．ロボットモデルの再現，センサのシミュレート，Unityとの通信方法についてご紹介し，Unityにおける利点や課題，将来展望について発表します。SSII2019企画: 画像および LiDAR を用いた自動走行に関する動向
SSII2019企画: 画像および LiDAR を用いた自動走行に関する動向SSII
?
SSII2019 企画セッション「画像センシング技術の最先端」
6月12日(水) 11:20～12:05 (メインホール)
画像や LiDAR はロボットや自動車の自動走行を実現するにあたり、最もメジャーなセンサとして利用されている。そのため、多くの手法が日々新たに研究開発されており、その動向を追いかけることは容易でなくなっている。本講演ではロボットや自動運転に関するトップカンファレンスである ICRA、IROS、IV、ITSC において発表された研究報告を基に、近年の画像や LiDAR を用いた自己位置推定や SLAM に関する研究や動向についてまとめる?。Hololens2 MRTK2.7(OpenXR) でのビルド環境構築(環境設定からビルドまで)
Hololens2 MRTK2.7(OpenXR) でのビルド環境構築(環境設定からビルドまで)聡 大久保
?
HoloLens2(Unity2020 + MRTK v2.7 + OpenXR)のビルド手順をまとめました。
?MRTKビルド環境構築手順
?MRTKのBuild Toolの利用方法應用 LLM 框架：LangChain 入門工作坊，LangChain Workshop
應用 LLM 框架：LangChain 入門工作坊，LangChain WorkshopKo Ko
?
本文介绍了对于LangChain框架的工作坊，由连续五年当选Microsoft AI MVP的讲师Koko进行讲解。内容包含LangChain基本概念、向量数据库原理及其与Azure OpenAI的整合，并提供了多种开发示例和实战经验。文档还提到了最新的版本更新及成本管理选项，适合软件工程师及AI开发者学习和应用。20240912 Hello World Dev Conference 工作坊「使用 LangServe 快速部署 AI」
20240912 Hello World Dev Conference 工作坊「使用 LangServe 快速部署 AI」Ko Ko
?
本次工作坊由大魔術熊貓工程師主講，內容涵蓋使用 langserve 部署 AI 解決方案及與 Azure OpenAI 整合的實踐技巧。參與者將學習如何建立向量資料庫、使用 langchain 進行快速語言模型整合以及相關的容器化部署。會議還介紹了近期書籍和資源，幫助開發者掌握最新的 AI 技術應用。More Related Content
What's hot (20)
SSII2019TS: 実践カメラキャリブレーション ～カメラを用いた実世界計測の基礎と応用～
SSII2019TS: 実践カメラキャリブレーション ～カメラを用いた実世界計測の基礎と応用～SSII
?
SSII2019 チュートリアル講演
TS3 6月14日(金) 9:00～10:20 (メインホール)
カメラの幾何学的キャリブレーションはカメラを使った３次元計測?認識に欠かすことができない基礎技術です。?近年では LIDAR や ToF カメラのように深度情報を直接出力するカメラや、全周囲カメラのように透視投影ではないカメラをセンサとして使用することも一般的になりました。本講演ではこれらの幾何学的キャリブレーションについて、実例を交えながら基礎からご紹介します。さらに講演内容に対応した初学者向けのサンプルコードについても紹介します。础搁マーカーを利用した贬辞濒辞尝别苍蝉同士の位置合わせ
础搁マーカーを利用した贬辞濒辞尝别苍蝉同士の位置合わせTakahiro Miyaura
?
贬辞濒辞尝别苍蝉のシェアリングとその位置合わせ精度上げるために惭搁罢碍标準の方法から础搁マーカでの検出に切り替えた话20210711 deepI2P
20210711 deepI2PTakuya Minagawa
?
This document summarizes a paper titled "DeepI2P: Image-to-Point Cloud Registration via Deep Classification". The paper proposes a method for estimating the camera pose within a point cloud map using a deep learning model. The model first classifies whether points in the point cloud fall within the camera's frustum or image grid. It then performs pose optimization to estimate the camera pose by minimizing the projection error of inlier points onto the image. The method achieves more accurate camera pose estimation compared to existing techniques based on feature matching or depth estimation. It provides a new approach for camera localization using point cloud maps without requiring cross-modal feature learning.SSII2019TS: 実践カメラキャリブレーション ～カメラを用いた実世界計測の基礎と応用～
SSII2019TS: 実践カメラキャリブレーション ～カメラを用いた実世界計測の基礎と応用～SSII
?
SSII2019 チュートリアル講演
TS3 6月14日(金) 9:00～10:20 (メインホール)
カメラの幾何学的キャリブレーションはカメラを使った３次元計測?認識に欠かすことができない基礎技術です。?近年では LIDAR や ToF カメラのように深度情報を直接出力するカメラや、全周囲カメラのように透視投影ではないカメラをセンサとして使用することも一般的になりました。本講演ではこれらの幾何学的キャリブレーションについて、実例を交えながら基礎からご紹介します。さらに講演内容に対応した初学者向けのサンプルコードについても紹介します。搁翱厂でつながる痴搁颁丑补迟
搁翱厂でつながる痴搁颁丑补迟Hirokazu Onomichi
?
Onomichi Hirokazu gave an introduction to connecting ROS and VRChat. He discussed using VRChat as a virtual environment to interact with robots in simulation. Key points included using ROS and OSC messages to control virtual objects from a real robot, and using a virtual motion tracker and ROS tf to map robot joint states to an avatar in VRChat. He demonstrated controlling an avatar's limbs based on data from Dynamixel servos. The goal is to enable remote participation in robot events using VR.めざせスカウター！ HoloLensによる特定個人の 顔認識アプリ制作とその課題
めざせスカウター！ HoloLensによる特定個人の 顔認識アプリ制作とその課題Kenta Iwasaki
?
2017年5月28日(日)に開催された、Android Bazaar and Conference 2017 Spring (ABC2017S)のMR/VRトラックで発表した時の資料[第2回3D勉強会 研究紹介] Neural 3D Mesh Renderer (CVPR 2018)
[第2回3D勉強会 研究紹介] Neural 3D Mesh Renderer (CVPR 2018)Hiroharu Kato
?
The document discusses 3D reconstruction techniques, including 2D-to-3D style transfer and 3D deepdream applications. It contains various numerical values related to different objects, likely representing some form of analysis or measurement. Additionally, it references notable artworks, suggesting a connection to artistic interpretations of these technologies.[DL輪読会]Multi-Agent Cooperation and the Emergence of (Natural) Language
[DL輪読会]Multi-Agent Cooperation and the Emergence of (Natural) LanguageDeep Learning JP
?
2017/3/31
DeepLearning JP:
http://deeplearning.jp/seminar-2/
No011-01-Suc3rum-20100225
No011-01-Suc3rum-20100225Sukusuku Scrum
?
The document discusses the benefits of meditation for reducing stress and anxiety. It notes that meditation can help calm the mind and body by lowering heart rate and easing muscle tension. Regular meditation of 10-20 minutes per day is recommended to experience stress-relieving benefits.猫でも分かるUE4を使った VRコンテンツ開発 超入門編 2021
猫でも分かるUE4を使った VRコンテンツ開発 超入門編 2021エピック?ゲームズ?ジャパン Epic Games Japan
?
講演動画はこちら：
https://youtu.be/NWOa52YRPdM
講演者：
岡田 和也（Epic Games Japan）
https://twitter.com/pafuhana1213
本スライドは20219月9日に行われたオンライン勉強会「VR DOJO - Session & Meetup For Creators- #1」の講演資料となります。
イベントについてはこちら：
https://gamecreatorsguild.connpass.com/event/221535/Virtual Tsukuba Challenge on Unity について
Virtual Tsukuba Challenge on Unity についてUnityTechnologiesJapan002
?
自律移動ロボットの公開実験大会である「つくばチャレンジ」は2020年，コロナウイルスの影響によりオンラインでの開催が決定し，シミュレータを用いた実験（Virtual Tsukuba Challenge（VTC））が案内されています．本講演では，VTCをUnity上に再現し，かつRobot Operating System（ROS）との連携を行うための方法をご紹介します．ロボットモデルの再現，センサのシミュレート，Unityとの通信方法についてご紹介し，Unityにおける利点や課題，将来展望について発表します。SSII2019企画: 画像および LiDAR を用いた自動走行に関する動向
SSII2019企画: 画像および LiDAR を用いた自動走行に関する動向SSII
?
SSII2019 企画セッション「画像センシング技術の最先端」
6月12日(水) 11:20～12:05 (メインホール)
画像や LiDAR はロボットや自動車の自動走行を実現するにあたり、最もメジャーなセンサとして利用されている。そのため、多くの手法が日々新たに研究開発されており、その動向を追いかけることは容易でなくなっている。本講演ではロボットや自動運転に関するトップカンファレンスである ICRA、IROS、IV、ITSC において発表された研究報告を基に、近年の画像や LiDAR を用いた自己位置推定や SLAM に関する研究や動向についてまとめる?。Hololens2 MRTK2.7(OpenXR) でのビルド環境構築(環境設定からビルドまで)
Hololens2 MRTK2.7(OpenXR) でのビルド環境構築(環境設定からビルドまで)聡 大久保
?
HoloLens2(Unity2020 + MRTK v2.7 + OpenXR)のビルド手順をまとめました。
?MRTKビルド環境構築手順
?MRTKのBuild Toolの利用方法More from Ko Ko (20)
應用 LLM 框架：LangChain 入門工作坊，LangChain Workshop
應用 LLM 框架：LangChain 入門工作坊，LangChain WorkshopKo Ko
?
本文介绍了对于LangChain框架的工作坊，由连续五年当选Microsoft AI MVP的讲师Koko进行讲解。内容包含LangChain基本概念、向量数据库原理及其与Azure OpenAI的整合，并提供了多种开发示例和实战经验。文档还提到了最新的版本更新及成本管理选项，适合软件工程师及AI开发者学习和应用。20240912 Hello World Dev Conference 工作坊「使用 LangServe 快速部署 AI」
20240912 Hello World Dev Conference 工作坊「使用 LangServe 快速部署 AI」Ko Ko
?
本次工作坊由大魔術熊貓工程師主講，內容涵蓋使用 langserve 部署 AI 解決方案及與 Azure OpenAI 整合的實踐技巧。參與者將學習如何建立向量資料庫、使用 langchain 進行快速語言模型整合以及相關的容器化部署。會議還介紹了近期書籍和資源，幫助開發者掌握最新的 AI 技術應用。DevDays Asia 2024 Demo LangChain 與 Azure
DevDays Asia 2024 Demo LangChain 與 AzureKo Ko
?
本文件讨论了如何快速开发和部署 langchain 应用程序，重点介绍了使用 Azure OpenAI 和 langserve 的集成与容器化。作者是 Microsoft AI MVP，提供了实用的指南和资源。文中还提到 langchain 0.1 版本及其特点，以及相关服务的功能和用法。LangServe source code explain in 2024 COSCUP
LangServe source code explain in 2024 COSCUPKo Ko
?
文档介绍了 langserve 的工作原理和源码，强调了它如何与 fastapi 整合以部署 langchain 的功能。作者是连续五年获选的 Microsoft AI MVP，并讨论了对于使用 langserve 构建 REST API 和实现对话流程的步骤。文档还涵盖了 langserve 和反向增强生成（RAG）的相关内容，及其与前端框架 react 的结合。The theory of vector database and qdrant
The theory of vector database and qdrantKo Ko
?
本文介绍了向量数据库及其应用，特别关注qdrant的功能和优势。作者ko ko是Microsoft AI MVP，参与多个技术会议，并发布了多本相关书籍。文中还比较了不同向量数据库，如Pinecone、Milvus和Weaviate，并强调了qdrant的开源和可自建特点。Langchain and Azure ML and Open AI
Langchain and Azure ML and Open AIKo Ko
?
本次活动由微软 AI MVP Ko Ko 主讲，涵盖了 Azure OpenAI、Langchain 和 Azure Machine Learning 的介绍及实战演示。重点包括大模型的训练和部署方法，以及如何通过 Langchain 快速整合大型语言模型。活动还探讨了 RAG 模式和最新的 Langchain 功能，并介绍了 Ko Ko 的专业成果与著作。20230830 淺談 Azure OpenAI.pdf
20230830 淺談 Azure OpenAI.pdfKo Ko
?
本文介绍了 Azure OpenAI 的基本操作和技术要点，以小熊故事机为例，涵盖了服务概览、API 特点和潜在问题。此外，文中提到了相关书籍和开发资源，强调了 Azure OpenAI 的应用场景和未来发展方向。Learn Django With ChatGPT
Learn Django With ChatGPTKo Ko
?
本文分享了作者使用 ChatGPT 学习 Django 的经验，包括有效利用 ChatGPT 学习新技术的技巧以及在学习过程中需注意的问题。作者强调了与技术社区的互动和自学能力的重要性，指出重复采用无脑复制的方法不可取，同时也提供了有价值的学习资源和工具推荐。最后，作者提到通过 ChatGPT 可以使技能更具可转移性，并鼓励工程师灵活运用各类工具以提升自己的专业能力。Introduction Hugging face.pdf
Introduction Hugging face.pdfKo Ko
?
本文介绍了 Hugging Face 的开源生态系统及其在自然语言处理中的应用，强调了与 ChatGPT 的集成和模型部署的过程。文档还提供了 Hugging Face 的使用指南和配套资源，以及作者 Ko Ko 的背景信息和相关书籍介绍。主要目的是推动 NLP 技术在各个领域的普及和应用。 Building Chatbot With Huggging Face
Building Chatbot With Huggging FaceKo Ko
?
本次演讲介绍了 Hugging Face 平台及其在自然语言处理（NLP）中的应用，强调了其模型的易用性和开源特性。讲师 ko ko 通过现场演示，展示了如何在 Azure Machine Learning 上快速部署 Hugging Face 模型，并使用 LINE 聊天机器人接口进行集成。文档还提供了相关资源和未来学习路线图，适合希望深入了解 NLP 技术的开发者。 Triton As NLP Model Inference Back-end
Triton As NLP Model Inference Back-endKo Ko
?
The document discusses the NVIDIA Triton Inference Server, focusing on its structure, features, and model management. It highlights Triton's capabilities for deploying AI models, addressing concurrency issues, and supporting multiple AI frameworks through flexible configuration. Practical examples of NLP model deployment and integration with Azure are also included.Run Bokeh in back-end, draw real-time charts to front-end, and make data sc...
Run Bokeh in back-end, draw real-time charts to front-end, and make data sc...Ko Ko
?
The document presents a presentation by Ko Ko, a Microsoft AI MVP, detailing the use of Bokeh for creating interactive charts for data scientists. It covers the installation, backend integration, and security for Bokeh applications, while comparing it to other libraries like D3.js. The conclusion emphasizes using Bokeh for interactive chart generation and its integration into existing websites.入門 Teams Bot
入門 Teams BotKo Ko
?
本次文档介绍了入门Teams机器人，由Microsoft AI MVP科科主讲，包括Teams平台的基本操作与概念，以及如何创建聊天机器人。内容涵盖Teams的功能，如团队合作、视频会议和应用程序开发，及其消息功能的多样性。最后提到将于下次聚会分享对于Teams机器人进阶开发的内容。Introduction to MLOps in Azure Machine Learning with Live Demo
Introduction to MLOps in Azure Machine Learning with Live DemoKo Ko
?
本文件介绍了在 Azure Machine Learning 中实施 MLOps 的重要性和相关技术，包括如何通过实时演示展示 Azure Machine Learning 的功能。通过实例讲述了在制造业中应用 AI 模型的挑战和解决方案，并强调了实现 MLOps 的关键要素和流程。文中还提及了 MLOps 的成熟度分级以及 Azure 机器学习服务的架构及其与 .NET 应用的整合。Azure Machine Learning 重頭學
Azure Machine Learning 重頭學Ko Ko
?
本文件是關於 Azure Machine Learning 的介紹，涵蓋了基本概念、實際操作示範及實戰經驗。作者 Kō Kō 是 Microsoft AI MVP，分享了在製造業應用 AI 的經驗及其在技術會議上的講者身份。文件還討論了機器學習的區別與 MLOps 的重要性，並提出在 AI 專案中面臨的挑戰及團隊角色分工。厂颈驳苍补濒搁整合尝滨狈贰，在尝滨贵贵裡建立一对一聊天管道
厂颈驳苍补濒搁整合尝滨狈贰，在尝滨贵贵裡建立一对一聊天管道Ko Ko
?
本文介绍了如何在尝滨贵贵中通过厂颈驳苍补濒搁整合尝滨狈贰，实现一对一聊天功能。作者介绍了尝滨贵贵的定义及其与尝滨狈贰的整合方式，以及厂颈驳苍补濒搁的架构和应用。文章还讨论了未来的开发方向，包括消息存储和代码优化。來玩 Bot Framework Composer 2.0版吧！
來玩 Bot Framework Composer 2.0版吧！Ko Ko
?
本文介紹了 Microsoft Bot Framework Composer 2.0 的新功能，包括內建的對話模擬器和改進的用戶界面。還提供了關於如何部署聊天機器人至 Line 平台的實時演示，並闡述了一些常見的開發挑戰，如對話流程的複雜性和自然語言處理的整合。作者是科技年會的講者，活動旨在提升開發者對聊天機器人開發工具的理解和應用。用 C# 與 .NET 也能打造機器學習模型：你所不知道的 ML.NET 初體驗
用 C# 與 .NET 也能打造機器學習模型：你所不知道的 ML.NET 初體驗Ko Ko
?
本文介绍了如何使用颁#和惭尝.狈贰罢框架构建机器学习模型，涵盖了基本概念和多种应用示例。内容包括惭尝.狈贰罢的初步体验、础耻迟辞惭尝的演示及础滨模型的部署和其他相关经验分享。文章强调数据的重要性和础滨项目实施中的挑战。聊天机器人的行销与开发技巧应用在婚礼上
聊天机器人的行销与开发技巧应用在婚礼上Ko Ko
?
本文介绍了柯克利用聊天机器人技术在婚礼上进行营销的经验，包括开发小游戏及应用Line平台的技巧。此外，他分享了使用Azure Bot Service的优势，以及如何在婚礼互动中增加新鲜感和参与度。最后，提供了开源的刮刮乐聊天机器人，让其他开发者可以快速上手。ML.NET 在遷移式學習的應用與挑戰
ML.NET 在遷移式學習的應用與挑戰Ko Ko
?
本次演讲探讨了迁移式学习在 AI 开发中的应用，强调了使用预训练模型、特征提取和微调等技巧。还介绍了 ml.net 作为一种开放源代码的跨平台 AI 开发框架，适合 .NET 开发者。最后，分享了与 AI 开发相关的经验和建议，包括使用自动化工具生成模型。Ad
YOLO V1 論文導讀
- 1. YOLO (You only look once)V1 AI Tech社群論文導讀 柯克（江雨）
- 2. 物件偵測的介紹 其他先備知識 YOLO V1 介紹 Loss function 討論 YOLO V1 的缺陷 其他YOLO 的研究 結語 大綱
- 4. 什麼是物件偵測（Object detection） 一張影像經過運算之後得知該影像中有哪些分類別，並得知分類別在影像中的位置 這樣的技術在監視攝影機、自駕車等領域，是相當重要的 框框一般稱為 Bounding boxes 在哪裡 是什麼
- 6. 研究常用的資料集 Pascal VOC: http://host.robots.ox.ac.uk/pascal/VOC/ ● Person: person ● Animal: bird, cat, cow, dog, horse, sheep ● Vehicle: aeroplane, bicycle, boat, bus, car, motorbike, train ● Indoor: bottle, chair, dining table, potted plant, sofa, tv/monitor
- 7. Pascal VOC 的標記檔 <annotation> <folder>VOC2012</folder> <filename>xxxxxxxx.jpg</filename> //文件名稱 <source> //文件來源 <database>The VOC2007 Database</database> <annotation>PASCAL VOC2007</annotation> <image>flickr</image> </source> <size> //圖片的長、寬、深 <width>500</width> <height>366</height> <depth>3</depth> </size> <segmented>1</segmented> //是否用於語義分割 <object> //偵測的目標，會有多個物件標簽 <name>aeroplane</name> //類別 <pose>Unspecified</pose> //拍攝角度 <truncated>0</truncated> //是否被截斷、0表示完整 <difficult>0</difficult> //是否容易被識別、0表示容易識別 <bndbox> //bounding-box, 包含左下角和右上角xy坐标 <xmin>9</xmin> <ymin>107</ymin> <xmax>499</xmax> <ymax>263</ymax> </bndbox> </object> ...
- 8. 用來評價物件偵測的IOU是什麼 IOU (Intersection over Union)：一般預測最常用的指標是 0.5 IOU， 表示在一次 bounding box 預測中，該 bounding box 算出的 IOU > 0.5 時為預測成功。
- 11. mAP（Mean Average Precision） 一個類別可以計算一個 AP mAP 就是多個類別的 AP 平均起來 注意這是在 PASCAL VOC裡用的 mAP 在 COCO 這個資料集裡用的 mAP還乘上了 IOU https://medium.com/@jonathan_hui/map-mean-average-precision-for-object-detection-45c121a31173
- 12. YOLO V1 在物件偵測的歷史定位 從 R-CNN 到 Fast R-CNN，大幅提高了物件偵測準確程度和效率 YOLO V1 突破了 R-CNN 最大限制：每FPS 偵測得太慢了 YOLO V1 的成功，帶領了後面版本 YOLO 的發展，又能更快更準確 YOLO V1 可以說是承先起後，繼往開來的經典論文！！
- 16. YOLO V1 的核心精神 “We frame object detection as a regression problem to spatially separated bounding boxes and associated class probabilities.”
- 18. 每個grid cell 預測 1. B 個框框的位置 (x, y, w, h) 2. 框框有沒有物件(confidence)劃分成 S×S 個grid cell 框框中心落在某grid cell内部 則中心 cell 負責 classification 每個框框預測 C 個條件機率 最後輸出 S x S x (5*B + C) 的 tensor eg. S = 7, B = 2, C = 20 (20 classes) => 是7×7×30 的 tensor
- 20. Activation 用 Leaky ReLU 除了最後一層用 Linear
- 24. Sum-squared error 這麼長的loss function，本質上是Sum-squared error 大框框和小框框會提供同樣的權重 小error 在小框框中會對 IOU造成比較大的影響
- 25. 和其他模型的比较
- 26. 跟 Fast R-CNN 的比较
- 28. VOC 2012 排行榜
- 31. 实际辨识照片也很準
- 32. YOLO V1 的缺陷 在物件偵測的定位（location）上，還輸給 Fast R-CNN 物件太小或靠得太近的話，辨識會較差 為了求快，所以downsampling，在太過細緻的特徵上不易辨別 小error 在小框框中會對 IOU造成比較大的影響
- 33. YOLO V1 之後的研究 出了很多的升級版 YOLO V1 -> YOLO V2 -> YOLO 9000 -> YOLO V3 歡迎繼續來AI Tech 社群聽之後的論文導讀
- 34. YOLO V1結語 mAP 比 R-CNN 來得高，更加準確 有高FPS的辨識的需求，導入 YOLO 是比較好選擇 如果要辨識的目標太小或太近，可能會影響成功率 可以直接用後面版的YOLO
- 35. 目前专案分享