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