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