電腦視覺基礎
4 篇精讀筆記
從經典視覺模型的架構、訓練與評測證據，建立判讀方法論文的底座。
讀者問題
一個經典模型的結果，哪些設計與證據仍值得帶進今天的系統？
READING LIBRARY
深入讀這個議題
目前收錄在這個研究議題下的所有論文精讀。
-
Deep Residual Learning for Image Recognition 精讀：ResNet 殘差連接
中階 先建立方法閱讀底座ResNet 如何用恆等捷徑學習殘差，緩解深層 plain network 的退化問題；並從 ImageNet 實驗理解這項證據的年代與任務邊界。
90 秒掌握這篇論文
-
YOLO 論文精讀：單次前向運算的即時物件偵測
中階 先建立方法閱讀底座YOLO 如何把物件偵測改寫成單次前向傳播的迴歸問題，並在速度與定位誤差間取捨；本文聚焦原始版本，不混用後續 YOLO 系列結果。
90 秒掌握這篇論文
-
AlexNet 論文精讀（下）：網路架構與訓練方法
中階 先建立方法閱讀底座從 Figure 1–3、Sections 3–6 重讀 ReLU、多 GPU、overlapping pooling、資料增強與 dropout 的證據。
90 秒掌握這篇論文
-
AlexNet 論文精讀（上）：卷積神經網路與 ImageNet 分類
入門 先建立方法閱讀底座以論文可定位證據重讀 AlexNet 的問題、評測與歷史性結果：它證明了什麼，也沒有證明什麼。
90 秒掌握這篇論文
歡迎演講、企業內部技術分享與架構交流；可以先查看我適合分享的主題與公開工程成果。
演講與聯絡