iPAS 電腦視覺 (Computer Vision) 深度筆記

 

人工智慧技術應用規劃 | 單元 3.2 核心主題解析

快速導覽：

• 1. 數位影像基礎
• 2. 影像前處理與增強
• 3. CNN 卷積神經網路
• 4. 經典模型演進架構
• 5. 物件偵測與指標

一、 數位影像基礎定義

電腦視覺的核心是將數位訊號轉換為具語義的資訊。理解影像的組成是第一步。

• 像素 (Pixel)： 構成影像的最小單位，包含亮度或色彩數值。
• 色彩空間 (Color Space)：
  • RGB： 加法混色，最常用於顯示器。
  • 灰階 (Grayscale)： 單通道，數值 0 (黑) 至 255 (白)。
  • HSV： 色相 (Hue)、飽和度 (Saturation)、明度 (Value)。在處理「顏色分割」時比 RGB 更穩健。

二、 影像前處理與資料增強 必考核心

2.1 資料增強 (Data Augmentation)

目的： 模擬現實環境的變異，增加樣本多樣性，藉此 抑制過擬合 (Overfitting)。

• 幾何變換： 旋轉、縮放、水平/垂直翻轉、裁剪。
• 色彩變換： 調整亮度、對比度、加入高斯雜訊。

常見影像處理技術對比：

Canny 邊緣檢測

技術	說明	應考關鍵字
標準化 (Normalization)	將像素縮放至 [0,1] 或 [-1,1]	加速收斂、數值穩定
高斯模糊 (Gaussian Blur)	利用卷積進行平滑化	去噪、減少細節雜訊
提取影像中的物體輪廓	特徵提取、結構分析

三、 卷積神經網路 (CNN) 核心機制

CNN 透過層次化的特徵學習，實現從「點、線、面」到「複雜物體」的識別。

3.1 卷積層 (Convolutional Layer)

利用 Filter (卷積核) 在影像上滑動進行內積運算。

輸出大小 = [(輸入大小 - 卷積核大小 + 2*Padding) / Stride] + 1

• Stride (步長)： 濾鏡滑動的距離。步長增加會縮小輸出維度。
• Padding (填充)： 在周圍補 0。目的是防止邊緣資訊丟失。

3.2 池化層 (Pooling Layer)

Max Pooling (最大池化)

保留區域內的最大值。擅長捕捉 顯著特徵，目前最主流。

Average Pooling (平均池化)

計算區域平均值。特點是影像背景資訊保留較多，常用於全卷積網路末端。

四、 經典模型架構演進 中級鑑別點

4.1 模型演進里程碑

• AlexNet： 2012 帶動深度學習熱潮，引入 ReLU 與 Dropout。
• VGGNet： 證明了「深度」的重要性，全部使用 3x3 小卷積核堆疊。
• ResNet (殘差網路)： 核心在於 Skip Connection (跳躍連接)。解決了深層網路的「梯度消失」與「退化問題」。
• MobileNet： 採用「深度可分離卷積 (Depthwise Separable Conv)」，適合手機等嵌入式設備。

五、 物件偵測與指標 應用場景評估

5.1 物件偵測架構對比

類別	代表模型	優點	缺點
One-Stage	YOLO, SSD	速度極快 (適合即時)	小物件偵測稍弱
Two-Stage	Faster R-CNN	精確度高 (先選後分類)	速度較慢，難以即時

評價指標深度解析：

• IoU (交併比)： (預測框 ∩ 真實框) / (預測框 ∪ 真實框)。衡量框住的位置準不準。
• Precision (精確度)： 抓出來的樣本中有多少是真的。
• Recall (召回率)： 所有的正樣本中有多少被你抓出來。
• mAP (平均精度均值)： 物件偵測 最核心指標，總結了所有類別的 Precision-Recall 曲線表現。

5.2 影像分割 (Segmentation)

• 語意分割 (Semantic)： 把相同類別的像素塗上相同顏色 (如：所有路人都是藍色)。
• 實例分割 (Instance)： 除了分種類，還要分個體 (如：路人甲是藍色、路人乙是紅色)。代表作：Mask R-CNN。

🚩 考前速記口訣

• 🔸 Augmentation： 多樣變換防過擬，旋轉翻轉不嫌多。
• 🔸 ResNet： 跳躍連結救深層，梯度不再消失中。
• 🔸 YOLO： 一眼看穿求即時，一階段架構速度衝。
• 🔸 IoU： 重疊越多分越高，目標框定才算行。

© iPAS AI 應用規劃師應考筆記系列 | 本內容參照經濟部 iPAS 學習指引編撰

Read More »

iPAS 自然語言處理 (NLP) 深度筆記

 

人工智慧技術應用規劃 | 單元 3.1 核心主題解析

快速導覽：

• 1. NLP 發展脈絡
• 2. 關鍵前處理技術
• 3. 文本表徵演進
• 4. 深度學習模型架構
• 5. 應用場景評估

一、 NLP 發展脈絡與定義

自然語言處理 (Natural Language Processing) 旨在消除人類語言 (自然語言) 與電腦處理 (程式語言) 之間的障礙。其發展可分為三個階段：

• 規則導向 (Rule-based)： 依賴語言學專家的語法規則 (如：If-Then)。
• 統計導向 (Statistical NLP)： 利用機率模型，如隱馬可夫模型 (HMM)。
• 深度學習導向 (Neural NLP)： 利用神經網路與大量資料學習特徵 (如：Transformer)。

二、 關鍵資料前處理技術 必考核心

2.1 中文斷詞 (Chinese Word Segmentation)

中文沒有空格，必須透過演算法識別詞界。常見工具：

• Jieba (結巴)： 支援繁中，常考其三種模式 (精確、全、搜索)。
• CKIP (中研院)： 準確率高，支援詞性標註 (POS Tagging)。
• 難點： 歧義性 (Ambiguity) 如「結婚的和尚未結婚的」與新詞識別。

詞幹提取 (Stemming) vs. 詞形還原 (Lemmatization)：

技術	說明	例子
Stemming	基於啟發式規則「切除」字尾，速度快。	cats -> cat, flying -> fly
Lemmatization	基於字典與語法分析還原「原形」，精準度高。	was -> be, mice -> mouse

三、 文本表徵演進 (Text Representation)

如何將文字轉為電腦可運算的數學向量。

3.1 TF-IDF (詞頻-逆文件頻率)

用於評估字詞對一份文件的重要程度。

Score = TF(t, d) × IDF(t)

• TF (Term Frequency)： 該詞在該文件中出現的頻率。越高代表該詞越重要。
• IDF (Inverse Document Frequency)： log(總文件數 / 包含該詞的文件數)。越罕見的詞，IDF 越高。
• 應用： 關鍵字提取、文章搜尋權重。

3.2 Word2Vec (靜態詞向量)

利用淺層神經網路學習詞與詞之間的關係。主要有兩種架構：

• CBOW (Continuous Bag of Words)： 用「周圍詞」預測「目標詞」。
• Skip-gram： 用「目標詞」預測「周圍詞」。(通常對罕見詞效果更好)

四、 深度學習模型架構 中級鑑別點

RNN 家族

• RNN： 具備循環路徑，適合序列資料。缺點是會有梯度消失 (Vanishing Gradient)，無法記住太長的資訊。
• LSTM： 引入遺忘門 (Forget Gate) 等，大幅改善長距離記憶問題。
• GRU： LSTM 的簡化版，計算速度快。

Transformer 家族

• 核心機制： 注意力機制 (Self-Attention)。
• 優點： 可平行計算 (Parallelism)，且不受距離限制，直接捕捉全句關聯。
• BERT： Bidirectional Encoder (雙向)，擅長理解上下文。
• GPT： Generative Pre-trained (單向)，擅長文本生成。

BERT 的訓練重點：

• MLM (Masked Language Model)： 遮住 15% 的詞讓模型猜測 (類似克漏字)。
• NSP (Next Sentence Prediction)： 判斷兩句話是否為前後文關係。

五、 NLP 實務應用與評估指標

5.1 應用任務分類

• 情感分析 (Sentiment Analysis)： 判斷正負面評價 (常用於公關監測)。
• 命名實體識別 (NER)： 識別地名、人名、日期等 (常用於資訊擷取)。
• 閱讀理解 (MRC)： 給予文章與問題，讓 AI 找出答案。

5.2 評估指標

• Perplexity (困惑度)： 常用於評估語言模型。數值越低代表模型越好。
• BLEU Score： 用於機器翻譯，比較生成的句子與參考答案的重合度。
• ROUGE： 常用於自動摘要評估。

🚩 考前速記口訣

• 🔸 TF-IDF： 頻率高、總體少、權重重。
• 🔸 RNN： 順序跑、記不住、沒效率。
• 🔸 BERT： 雙向讀、擅理解、看全面。
• 🔸 Attention： 全局觀、分權重、能並行。

© iPAS AI 應用規劃師應考筆記系列 | 本內容參照經濟部 iPAS 學習指引編撰

Read More »