本課程將彌合你已經知道和喜愛的基本 CNN 架構與 VGG、ResNet 和 Inception 等現代新穎架構之間的差距
課程將把這些應用於血液細胞影像，並建立一個比你我更好的醫學專家系統。這帶來了一個迷人的想法：未來的醫生不是人類，而是機器人。
在本課程中，你將看到我們如何將 CNN 變成一個物件檢測( object detection )系統，該系統不僅可以對圖像進行分類，還可以定位圖像中的每個物件並預測其標籤( label )。
你可以想像，這樣的任務是自動駕駛車輛的基本先決條件。 （它必須能夠實時檢測汽車、行人、自行車、交通信號燈等）
課程將研究一種名為 SSD 的最先進的演算法，它比以前的演算法更快、更準確。
使用 CNN 的另一個非常流行的電腦視覺任務被稱為神經風格轉移( neural style transfer ）。
在這裡你可以拍攝一張名為內容圖像( content image )的圖像，另一張圖像稱為樣式圖像( style image )，然後將這些圖像合併為一個全新的圖像，就好像你聘用了一位畫家以後面那張圖像的樣式來繪製第一張的內容。 與人類畫家不同，這可以在幾秒鐘內完成。
https://softnshare.com/advanced-computer-vision/
object detection應用 在 [Object Detection] RCNN 簡介 - Mo PTT 鄉公所 的必吃
... 也請大家指教～ [關鍵字]: Object detection, RCNN, Region proposals [重點摘要]: RCNN可以說是CNN有效應用於物件辨識領域中的一個重要里程碑。 ... <看更多>