『高中活動』芒果不良品辨識競賽 影像辨識工作坊

活動簡介：

清華大學電機營 心得分享連結（點擊前往）

地點：元智大學 元智七館 R70404 教室

時間：2020年10月15日

課程名稱：愛文芒果五類不良品辨識競賽 影像辨識工作坊

授課老師：許旭安 老師（人稱ＡＩ屆的馮迪索、韓國X）

參加動機：

這次之所以會參加「芒果損壞辨識 AI人工智慧研習課程」的原因，是當初參加清華大學電機營隊，有參觀過研究生的研究室，剛好他們近期有主辦這個活動，得知這個資訊後，我便決定參與這個活動。

今天文章的內容，會記錄老師的教學過程，還有實際訓練AI模型的程式。

課程內容1：機器學習、深度學習 理論初探

首先，老師先用簡報分享了「人工智慧」、「機器學習」、「深度學習」的簡單歷史，接著介紹CNN卷積神經網路的內容，運作原理等等，只用了短短20分鐘，就教學完了複雜的課程，教學內容簡明扼要，也能夠輕鬆理解。

以下的圖片皆出自「AI HUB Taipei」。

課程大綱：

人工智慧歷史：

老師介紹到，原來「人工智慧」並不是近幾年來才興起的，自從1956年就有人曾提出相似的概念，利用電腦模擬人類運算，並且在經過「兩次興衰」後，這幾年便是人工智慧的第三波浪潮！

深度學習的神經網路：

深度學習究竟是什麼呢？深度學習就是模仿人類腦神經，製造出一個具有許多「神經元」的AI模型，下去分析資料，並且預測出最終資料。

類神經網路架構：

類神經網路架構可以分成「三大層」，分別是最初的「輸入層」，中間的「隱藏層」，還有最後的「輸出層」。大部分的運算都是在隱藏層中完成的，後續的「卷積層 Convolutional layer」、「池化層 Pooling layer」、「平坦層 Flatten layer」、「全連接層Fully Connected layer」都是包含在隱藏層當中。

類神經網路運算：

類神經網路運算，就好像電腦的大腦，要綜合每一個細節，根據其權重進行運算，最後得出要執行的動作。舉一個例子來說，如果要判斷這是不是杯子，可以從很多細節判斷，不過每個細節的權重不同。

「有握把」、「接近橢圓形」都是一個杯子常有的特徵，不過「有握把」的權重會大於「接近橢圓形」，因為幾乎每個杯子都有握把，但不是每個杯子都接近橢圓形。

資料匯入流程：

匯入，可以說是把「數據」與「標籤」混合。讓電腦讀取「水杯」時，知道他的標籤為「水杯」。

在把資料匯入的過程，有很多事情必須處理，如果處理得當會使模型訓練事半功倍，反之，如果沒有把資料處理妥當，永遠都無法訓練出好的模型。

資料匯入流程如下：「導入資料處理套件」、「讀取標籤與照片」、「匹配標籤與照片」、「顯示圖片檔」

資料前處理流程：

在完成「資料匯入流程」後，為了使模型能夠更有效率的被訓練，必須優化資料。「圖片壓縮」、「圖片分群」、「圖片增強」、「隨機讀取」等等，這幾個做法都是為了幫助模型訓練時提升效率。

• 圖片壓縮：有時候一張圖片檔案過大，容易進行模型訓練的負擔，嚴重影響訓練速度
• 圖片分群：要把相同標籤的數據集整理在一起。
• 圖片增強：當圖片太少時，可以把一張圖片經過「曝光調整」、「偏移」、「裁切」等等手法，轉換成數十張照片。
• 隨機讀取：為了讓模型不要「死背學習」，所以要讓模型用「隨機」的數據去訓練，才能達到真正有效的目的。

圖片像素意義：

圖片是由許多像素構成的，每一個像素可以控制一個空格的顏色，對機器來說就是（1~255），圖片的像素可以幫助模型進行訓練，下面的圖片就是一個很好的例子，我們人看到的是0的圖片，可電腦看到的，則是用0排的很接近一個橢圓。

CNN架構基本包含：

• 卷積層（Convolutional layer）
• 池化層（Pooling layer）
• 平坦層（Flatten layer）
• 全連階層（Fully connected layer）

卷積運算 Covolution：

卷積層 Convolutional layer：

池化層 Pooling layer：

全連接層 Fully Connected layer：

課程內容2：芒果不良品 AI模型訓練實作

老師講述完基礎理論後，開始帶著我們進行實戰。這次也是使用免費的AI訓練環境「Google Colab」，老師都有事前提供好程式碼與訓練數據，讓我們可以在課程中學習的更迅速。

不過為了不使文章篇幅過長，我會把「芒果不良品 AI模型訓練實作」撰寫成一篇文章，如果有興趣的人也可以去參考看看喔！

心得感想：

這次的活動辦在平常日，平常本該在學校上課，不過因為剛段考完，而且上課的主題、內容又十分吸引我，所以我就請了事假出來參與這堂「芒愛文芒果五類不良品辨識競賽 影像辨識工作坊」。

雖然坐在我身邊的，不是教授就是大學專科生，不過我卻絲毫沒有壓力，因為我告訴我自己：現在就是「體驗」深度學習的最好時機，不用怕不會。只要聽懂了任何一點新知識，都代表著這堂課非常值得！

在這堂課中，我不但吸收了課堂正課的70-80％新知識，又在下課而外花時間請教指導老師，讓我額外多學了很多實用的知識。

舉例來說：雖然老師上課教學使用「Google Colab」平台，但我在下課時也請教老師該如何用自己的電腦「訓練AI模型」，最終利用Anaconda在我自己的Macbook Pro上，建立出我自己專屬的深度學習環境，超級感動的！

我體會到了：人生不只是讀書而已，探索未來興趣也是非常重要的一件事！所以我希望可以分享給大家一個觀念：「讀書固然重要，但探索人生也必須投資！」

108課綱 (74) 其他 (52) 工商服務 (6) 懶人包 (36) 活動心得 (26) 高中生活 (37)