AI深度學習筆記
28免費公開
整理學習AI深度學習相關的筆記
Top 5
當我們嘗試在雲端環境執行電腦視覺專案時，最常遇到的不是程式碼錯誤，而是**「底層系統依賴」與「記憶體管理」**的挑戰。
Streamlit 網頁app
https://crablearningproject-vu4ssjycmgahmchq7acbxn.streamlit.app/%E8%BE%
當我們嘗試在雲端環境執行電腦視覺專案時，最常遇到的不是程式碼錯誤，而是**「底層系統依賴」與「記憶體管理」**的挑戰。
Streamlit 網頁app
https://crablearningproject-vu4ssjycmgahmchq7acbxn.streamlit.app/%E8%BE%
微調(Fine tune)是深度學習中遷移學習的一種方法，其中預訓練模型的權重會在新數據上進行訓練。
本文主要介紹如何使用新的訓練圖檔在tesseract 辨識模型進行Fine tune
有關於安裝的部分可以參考友人的其他文章
Tesseract OCR - 繁體中文【安裝篇】
將所有資料
微調(Fine tune)是深度學習中遷移學習的一種方法，其中預訓練模型的權重會在新數據上進行訓練。
本文主要介紹如何使用新的訓練圖檔在tesseract 辨識模型進行Fine tune
有關於安裝的部分可以參考友人的其他文章
Tesseract OCR - 繁體中文【安裝篇】
將所有資料
平時都在用tesseract來辨識OCR的部分，在網路上也常常聽說easyOCR比tesseract好用，就拿之前測試的OCR素材來比較看看囉。
以下輸入同樣圖片直接測試，並非絕對誰就比較準，只單純測試數字含英文的部分。
圖片素材就是15碼(英文加數字)，檔名為OCR正確結果
平時都在用tesseract來辨識OCR的部分，在網路上也常常聽說easyOCR比tesseract好用，就拿之前測試的OCR素材來比較看看囉。
以下輸入同樣圖片直接測試，並非絕對誰就比較準，只單純測試數字含英文的部分。
圖片素材就是15碼(英文加數字)，檔名為OCR正確結果
本文將展示使用不同激活函數（ReLU 和 Sigmoid）的效果。
一個簡單的多層感知器（MLP）模型來對 Fashion-MNIST 資料集進行分類。
函數定義
Sigmoid 函數
Sigmoid 函數將輸入壓縮到 0到 1 之間：
特性：
輸出範圍是 (0,1)(0, 1)(0,1
本文將展示使用不同激活函數（ReLU 和 Sigmoid）的效果。
一個簡單的多層感知器（MLP）模型來對 Fashion-MNIST 資料集進行分類。
函數定義
Sigmoid 函數
Sigmoid 函數將輸入壓縮到 0到 1 之間：
特性：
輸出範圍是 (0,1)(0, 1)(0,1
本文主要介紹神經網路訓練辨識的過程，利用fashion_mnist及簡單的神經網路來進行分類。
使用只有兩層的神經網路來訓練辨識fashion_mnist資料。
本文主要介紹神經網路訓練辨識的過程，利用fashion_mnist及簡單的神經網路來進行分類。
使用只有兩層的神經網路來訓練辨識fashion_mnist資料。
本文主要應用deepface的正面（frontal）人臉檢測的預設模型，使用analyze 函數，用於分析一張人臉圖像的情感（emotion）。
在Colab上實現，若用其他平台需稍微修改程式碼。
Deepface
Deepface是一個輕量級的Python人臉辨識和臉部屬性分析
本文主要應用deepface的正面（frontal）人臉檢測的預設模型，使用analyze 函數，用於分析一張人臉圖像的情感（emotion）。
在Colab上實現，若用其他平台需稍微修改程式碼。
Deepface
Deepface是一個輕量級的Python人臉辨識和臉部屬性分析
Google Tesseract Config說明，程式範例實際修改示範
前言
Tesseract 的 config 檔案用於指定 OCR 引擎的設定和參數。這些參數可以影響文本識別的結果
本文將彙整常用參數調整，並呈現不同參數出現不同的辨識結果
官網Tesseract OCR參數說明連結
Google Tesseract Config說明，程式範例實際修改示範
前言
Tesseract 的 config 檔案用於指定 OCR 引擎的設定和參數。這些參數可以影響文本識別的結果
本文將彙整常用參數調整，並呈現不同參數出現不同的辨識結果
官網Tesseract OCR參數說明連結
使用Google Tesseract應用，擷取圖像的OCR並將讀取到的字元標註在原圖上
光學字元辨識功能 (Optical character recognition，光學字符辨識）
可以將影像中特徵範圍內的文本轉換為數字形式的文本。使用前必須安装Google Tesseract並更新
使用Google Tesseract應用，擷取圖像的OCR並將讀取到的字元標註在原圖上
光學字元辨識功能 (Optical character recognition，光學字符辨識）
可以將影像中特徵範圍內的文本轉換為數字形式的文本。使用前必須安装Google Tesseract並更新
python Streamlit連動github程式碼實現YoloV8網頁版偵測物件
先致敬，YoloV8原作Github程式碼
Streamlit網頁 實現YoloV8 偵測物件
套用模型為YoloV8(YOLOv8n)最小模型，因github上傳檔案最大上限為25mb
導入圖像(搜尋街景
python Streamlit連動github程式碼實現YoloV8網頁版偵測物件
先致敬，YoloV8原作Github程式碼
Streamlit網頁 實現YoloV8 偵測物件
套用模型為YoloV8(YOLOv8n)最小模型，因github上傳檔案最大上限為25mb
導入圖像(搜尋街景
Top 5
當我們嘗試在雲端環境執行電腦視覺專案時，最常遇到的不是程式碼錯誤，而是**「底層系統依賴」與「記憶體管理」**的挑戰。
Streamlit 網頁app
https://crablearningproject-vu4ssjycmgahmchq7acbxn.streamlit.app/%E8%BE%
當我們嘗試在雲端環境執行電腦視覺專案時，最常遇到的不是程式碼錯誤，而是**「底層系統依賴」與「記憶體管理」**的挑戰。
Streamlit 網頁app
https://crablearningproject-vu4ssjycmgahmchq7acbxn.streamlit.app/%E8%BE%
微調(Fine tune)是深度學習中遷移學習的一種方法，其中預訓練模型的權重會在新數據上進行訓練。
本文主要介紹如何使用新的訓練圖檔在tesseract 辨識模型進行Fine tune
有關於安裝的部分可以參考友人的其他文章
Tesseract OCR - 繁體中文【安裝篇】
將所有資料
微調(Fine tune)是深度學習中遷移學習的一種方法，其中預訓練模型的權重會在新數據上進行訓練。
本文主要介紹如何使用新的訓練圖檔在tesseract 辨識模型進行Fine tune
有關於安裝的部分可以參考友人的其他文章
Tesseract OCR - 繁體中文【安裝篇】
將所有資料
平時都在用tesseract來辨識OCR的部分，在網路上也常常聽說easyOCR比tesseract好用，就拿之前測試的OCR素材來比較看看囉。
以下輸入同樣圖片直接測試，並非絕對誰就比較準，只單純測試數字含英文的部分。
圖片素材就是15碼(英文加數字)，檔名為OCR正確結果
平時都在用tesseract來辨識OCR的部分，在網路上也常常聽說easyOCR比tesseract好用，就拿之前測試的OCR素材來比較看看囉。
以下輸入同樣圖片直接測試，並非絕對誰就比較準，只單純測試數字含英文的部分。
圖片素材就是15碼(英文加數字)，檔名為OCR正確結果
本文將展示使用不同激活函數（ReLU 和 Sigmoid）的效果。
一個簡單的多層感知器（MLP）模型來對 Fashion-MNIST 資料集進行分類。
函數定義
Sigmoid 函數
Sigmoid 函數將輸入壓縮到 0到 1 之間：
特性：
輸出範圍是 (0,1)(0, 1)(0,1
本文將展示使用不同激活函數（ReLU 和 Sigmoid）的效果。
一個簡單的多層感知器（MLP）模型來對 Fashion-MNIST 資料集進行分類。
函數定義
Sigmoid 函數
Sigmoid 函數將輸入壓縮到 0到 1 之間：
特性：
輸出範圍是 (0,1)(0, 1)(0,1
本文主要介紹神經網路訓練辨識的過程，利用fashion_mnist及簡單的神經網路來進行分類。
使用只有兩層的神經網路來訓練辨識fashion_mnist資料。
本文主要介紹神經網路訓練辨識的過程，利用fashion_mnist及簡單的神經網路來進行分類。
使用只有兩層的神經網路來訓練辨識fashion_mnist資料。
本文主要應用deepface的正面（frontal）人臉檢測的預設模型，使用analyze 函數，用於分析一張人臉圖像的情感（emotion）。
在Colab上實現，若用其他平台需稍微修改程式碼。
Deepface
Deepface是一個輕量級的Python人臉辨識和臉部屬性分析
本文主要應用deepface的正面（frontal）人臉檢測的預設模型，使用analyze 函數，用於分析一張人臉圖像的情感（emotion）。
在Colab上實現，若用其他平台需稍微修改程式碼。
Deepface
Deepface是一個輕量級的Python人臉辨識和臉部屬性分析
Google Tesseract Config說明，程式範例實際修改示範
前言
Tesseract 的 config 檔案用於指定 OCR 引擎的設定和參數。這些參數可以影響文本識別的結果
本文將彙整常用參數調整，並呈現不同參數出現不同的辨識結果
官網Tesseract OCR參數說明連結
Google Tesseract Config說明，程式範例實際修改示範
前言
Tesseract 的 config 檔案用於指定 OCR 引擎的設定和參數。這些參數可以影響文本識別的結果
本文將彙整常用參數調整，並呈現不同參數出現不同的辨識結果
官網Tesseract OCR參數說明連結
使用Google Tesseract應用，擷取圖像的OCR並將讀取到的字元標註在原圖上
光學字元辨識功能 (Optical character recognition，光學字符辨識）
可以將影像中特徵範圍內的文本轉換為數字形式的文本。使用前必須安装Google Tesseract並更新
使用Google Tesseract應用，擷取圖像的OCR並將讀取到的字元標註在原圖上
光學字元辨識功能 (Optical character recognition，光學字符辨識）
可以將影像中特徵範圍內的文本轉換為數字形式的文本。使用前必須安装Google Tesseract並更新
python Streamlit連動github程式碼實現YoloV8網頁版偵測物件
先致敬，YoloV8原作Github程式碼
Streamlit網頁 實現YoloV8 偵測物件
套用模型為YoloV8(YOLOv8n)最小模型，因github上傳檔案最大上限為25mb
導入圖像(搜尋街景
python Streamlit連動github程式碼實現YoloV8網頁版偵測物件
先致敬，YoloV8原作Github程式碼
Streamlit網頁 實現YoloV8 偵測物件
套用模型為YoloV8(YOLOv8n)最小模型，因github上傳檔案最大上限為25mb
導入圖像(搜尋街景