電腦視覺

你是否在很吵雜的環境當中與他人對話過？即使說話的聲音聽不清楚，但如果是在看得到對方嘴形的狀態之下，基本上還是可以瞭解對方說話的內容。我們平常的對話之所以得以順利進行，除了「聽」得到的語音本身很重要之外，視覺線索也帶來了很大的幫助。 說話和臉部表情的關係 在Garg等人 (20

由於做的研究大概和「視覺研究」沾得上一點邊，雖然是computer vision，但日本視覺學會現在也把電腦視覺納入視覺研究的範疇之一了。於是經過教授的推薦，就去報名了日本視覺學會的2023年冬季大會，也順利得到了口頭發表的機會。這次的學會辦在東京的工學院大學，位於日本新宿，這次學到了很多機器學習相

真理與幸福雙極限

　　卷積神經網路（Convolutional Neural Networks，CNN），其應用包括影像辨識、自然語言處理（NLP）等領域。若能從其發展至今的脈絡開始了解，必定可以更進一步地理解專案的想法，將該技術掌握得更得心應手。以下就其發展和結構分別詳細說明。 1. LeNet

AI輔助視覺背包的開發者Jagadish K. Mahendran 回憶當初開始構思這個產品的起點：2013年當他還在碩士班時，論文題目是應用在機器人的電腦視覺研究，有一天他突然想到：「我整天想要讓機器人『看得到』，但是世界上還有這麼多人類因為看不到而過著極為不便的生活，這不是很荒謬嗎？

在 2018 年，筆者介紹了普華永道（PwC）關於人工智慧的十項預測。我們將要藉由這篇文章，先來回顧在過去的一年中，電腦視覺和自然語言領域有什麼新的發展。在本文的最後，則提及 PwC 在今年提出的六項建議，主要使已投資 AI 的公司能成功商轉，以及關於自動化資料處理和機械學習的現況。

本文提到如何以類神經網路為主的深度學習方法，來進行物體偵測。文中包括基礎的物體偵測簡介：如影像問題分類，影像處理和傳統非類神經網路為主的物體偵測方法。這些傳統方法，仍可以在類神經網路的方法中找到其應用。最後簡略敘述當前使用深度卷積網路作為物體偵測的主要研究方向，並對學術界常用的訓練資料集做分析介紹。