Computer Vision Tasks

CV Tasks 包含Classification、Object Detection、Semantic Segmentation、Instance Segmentation，以下為一些應用範例。

1 keras-facenet.ipynb

此範例說明如何使用Pre-trained的model來做Face Verification和Face Recognition應用。[1]

2 Mask R-CNN for Object Detection.ipynb

此範例說明如何用Pre-trained的Mask RCNN來做Object Detection和Instance Segmentation。[2]

3 Transfer Learning by TensorFlow.ipynb

此範例說明如何用TensorFlow內建的Pre-trained model來做Classification的Transfer Learning應用。[3]

4 retrain customized object detection with tensorflow API.ipynb

此範例說明如何用TensorFlow API訓練自己的Object Detection應用。[4]

5 retrain semantic segmentation.ipynb

此範例說明如何使用Pre-trained的model來訓練自己的Semantic Segmentation應用。[5]

6 detectron2.ipynb

此範例說明如何使用Detectron2(Pre-trained model)來做Object Detection、Instance Segmentation、Keypoint Detection、Panoptic segmentation。
Keypoint Detection為體態辨識。[6]

Panoptic segmentation為instance segmentation和semantic segmentation的結合。在圖中可以被數數量出來的物件 (例：bicycle, dog, car, person)被稱為‘things’，難以被計數的區域(例：pavement, ground, dirt, wall)稱為‘stuff’。[7]

7 U-Net segmentation.ipynb

此範例說明如何使用U-Net來訓練自己的Semantic Segmentation應用。[8]

8 Style Transfer.ipynb

此範例介紹圖片Style Transfer應用，輸入原圖和風格圖即可將原圖改變風格。[9]

9 retrain Poly-YOLO.ipynb

此範例說明如何使用Poly-YOLO來訓練自己的Object Detection應用。[10]

10 retrainYOLOv5.ipynb

此範例說明如何使用YOLOv5來訓練自己的Object Detection應用。[11]

11 StyleGAN pre-trained model exploration.ipynb

此範例說明如何使用StyleGAN來產生超擬真的人臉，並在fidelity和diversity之間做trade-off。[12][13][14]

12 BigGAN Pre-trained model exploration.ipynb

此範例說明如何使用BigGAN來產生上百種的物品圖。[15]

References

markhsia / computer-vision-tasks Goto Github PK