Final Project
Grading
Title
構思電腦視覺相關之題目 (非既有/現成題目)
範例:
臉部辨識於門禁管理之應用 (常見應用不夠創新)
GAN 於電影之畫面生成 (題目不夠聚焦)
OpenPose 於 NBA 罰球姿勢與命中率之分析 (題目OK)
GAN 於電影「梵谷:星夜之謎」之油畫畫面生成 (題目OK)
Motivation & Features
動機至少500字,要附上參考文獻,及註明引用的部分
聚焦於某一項特色,不要同時考慮太多任務
Method
用自己的方式介紹技術,可引用論文圖形或文字(要註明引用的部分及附上論文文獻或 github),最好搭配圖片或範例說明
若用到類神經網路,請寫清楚網路輸入/輸出之維度,網路輸出所代表之意義,及網路架構
Experimental Results
Conclusion
Presentation
以投影片、動畫、或拍攝影片介紹所用方法及展示所要完成成果
報告主要是概念展示(提出新穎的電腦視覺應用),要有程式實作。
範例1 (OpenPose)
Remarks
要註明每個組員的貢獻
若有引用他人文字或程式碼請註明出處,否則視為抄襲,若有抄襲報告分數為0分
評分重點之一是程式實作
要能夠展示結果
大部分 github 上的程式都有提供訓練好的模型(不需要自己重新訓練)
如果要自行訓練模型
搜尋是否有公開的資料集可以使用
如果沒有公開資料集,再自行搜集,建議利用網路爬蟲下載圖片 (真的找不到圖片,就換題目)
報告需清楚說明類別個數及 training/val/test 這些影像的數量 (建議每個類別數量大於200)
期末報告希望大家於使用或修改現有電腦視覺方法來解決實際問題
只是重跑別人的程式碼,而沒有自己的貢獻,會被視為貢獻程度很低
如果已經有現有程式碼可以解決期末報告的題目,就要調整題目
除非你有其他想法是現有程式碼沒有考慮到,無法直接處理
如果期末報告題目搜尋到許多相關新聞或影片,就要調整題目,否則會題目新穎程度不夠
評分重點在於問題探討的深入程度,問題探討必須是自己的貢獻而不是別人已經寫好的報告
例如題目是根據行車記錄器影像之車速判斷,假設已經有物件偵測方法(如YOLO)可以偵測影像中車輛的位置,報告重點在於如何從不同張影像車輛的位置來預測車輛速度,而不是在於車輛偵測。要有範例說明如何計算,最好有展示影片
Resources
MediaPipe (Body Pose Estimation, Hand Pose Estimation, Objectron, Face Mesh)
AI Fitness Trainer - Squat Analysis 深蹲或伏地挺身此題每年都有幾組在做,建議不要做完全一樣的題目,否則會被視為貢獻程度不高
Driver Drowsiness Detection 建議不要做完全一樣的題目,否則會被視為貢獻程度不高
OpenPose (Body Pose Estimation)
AlphaPose (Body Pose Estimation)
DeepLabCut (Animal Pose Estimation)
MaskRCNN (Object Detection, Segmentation)
CycleGAN (Image Generation)
hackmd (organize your references, cooperate with your team)
如果使用 hackmd 記得打開瀏覽權限!另外,再用無痕模式打開網頁確認圖片是否可以正常顯示