人工智慧

人工智慧於影像辨識外的其他實際議題

一、時間:1080430(星期二) 18:3020:30
 
二、地點:工一館829教室
 
三、導讀人:桑慧敏
 
四、成員:蘇意筑、郭宗淵、陳泰榮、吳俊慶、黃品皓、林孝臨、薛閔之、戴汶男、邱景銘、曾靖堯、蘇東洵、張信義、王欣怡、巫昇餘、紀俊宇、徐致恆、陳德凱、黃宇謙、郭芸如、薛宜忻、葉子匯、楊朵、林品君
 
五、紀錄人:薛閔之
 
六、導讀人介紹:清華大學工工系教授,專長於資料分析及系統模擬。
 
七、讀書會進度內容:人工智慧於影像辨識外的其他實際議題。
 
八、討論記論:
1. 老師開場:前三次讀書會由大學部專題生及研一學生報告人工智慧中影像辨識的方法及例子,在最後一次讀書會,由研二的學生來報告他們這兩年的研究成果,可以讓大家學習在人工智慧領域中更多的實例,學弟妹們也可以學習研二學長姐報告的技巧及思考的邏輯。
 
2. 老師報告:
(1) 以終為始的教學方式介紹。
(2) 系統思維的重要性及教師傑出獎的獲獎歷程。
(3) 分享多場演講中的收穫及啟發。
 
3. 研究生郭宗淵報告:
(1)   問題:在滿足廠內附載的前提下,最小化冷卻水塔、冰水泵、冷卻水泵的用電量。
(2)   說明數學模型、符號定義及關係式。
(3)   空調系統簡介:由各種驅動流體流動的元件(如水泵、風扇)、各種熱交換器(如冷卻盤管、蒸發器),以及連接各裝置的管線組成。目的是滿足製程及辦公室的降溫需求,並將場內的熱帶到室外。
(4)   水測系統架構圖:本研究主要專注於水測系統的模擬。
(5)   研究流程:數據前處理、探索各元件輸入與輸出的關係、建立元件關係式、驗證績效、建立Simulink動態模型。
(6)   其中Simulink動態模型系統共有58個模塊,每個模塊裡放各變數的關係式。
(7)   結論:包含多個專業領域(如冷凍空調、熱傳學、流體力學等)、目前仍須找出所有關係式才能開始找模擬、仍未配適出一般化的回歸係數。
 
4. 研究生吳俊慶報告:
(1)   問題:決定最佳台電契約容量,在相同用電情況下,選擇最佳的契約容量,使付出的總電費最少。
(2)   總收費包含:基本電費、超約罰金、線補費。
(3)   文獻回顧包含:完整數學模型、多種契約容量、多種計價方式。
(4)   說明台電計價規則及符號定義,包含:基本電費、超約罰金、線路補助費、流動電費、契約容量、關係式等。
(5)   分析結果:提出多種策略,策略為一年更改幾次契約容量,以2017年數據預測2018年的最大負載量,並進行敏感度分析,應用於一間公司及兩間大學的用電實例中,皆節省了相當可觀的電費。
 
5. 研究生黃品皓報告:
(1)   問題:探討動靜脈廔管狹窄中,血管音的關鍵特徵。
(2)   研究動機:台灣腎臟方面疾病的比例相較於其他國家高出許多。
(3)   動靜脈廔管:進行血液透析,促使靜脈適應較高的流速及血壓,若是廔管狹窄則會影響透析的成效。
(4)   研究貢獻:相較於傳統器材,本研究利用非侵入性器材,判斷廔管是否狹窄,並具有即時性。
(5)   資料前處理:(a)濾波,濾掉100HZ以下及100HZ以上的波,其效果最好 (b)訊號切割,從完整的心跳週期中取出有用訊號。
(6)   介紹各種特徵值。
(7)   研究結果:一個特徵值以聲音中的高頻比例現最好,兩個特徵值以TR(0.1,1,0.8)entropy(xt)的組合表現最好,三個以上的特徵值對績效指標並無提升。
(8)   未來展望:增加樣本數、提出更多特徵值。
 
6. 研究生陳泰榮報告:
(1)   問題:建立新的策略來檢測青光眼。
(2)   簡介:(a)青光眼介紹 (b)醫院資料中,判斷青光眼的準確度不超過95%
(3)   資料:診斷青光眼方法為眼底攝影,本研究有90張健康圖片及898青光眼圖片。
(4)   研究貢獻:(1)本研究資料數相較於其他文獻為最多 (2)結果在三個績效指標上為最佳 (3)所有結果都符合基本表現。
(5)   研究流程:圖片前處理、將圖片丟進分類器、衡量績效指標結果。
(6)   資料前處理:分類器為卷積神經網路。
(7)   結論:(a)本研究能有效去除雜訊,提升績效指標的平均表現,並降低變異數 (b)辨識時間也較低提供醫生更有效的預測策略。
 
7. 研究生林孝臨報告:
(1)   問題:晶片廠印刷電路板排版利用率最佳化。
(2)   說明電路板的階層關係,共有Shipping panel Working panelBase panel三層,本文探討最佳化shipping panelworking panel上的最佳排版模式。
(3)   說明數學模型、符號定義及關係式。
(4)   展示Shipping panel的建構流程示意圖,分成單一尺寸及兩種尺寸的PCB排版。
(5)   結論:在100個案例中。有五成PCB數量可提升、兩成SP數量可減少,本研究可有效提升PCB板上Shipping panel的最大利用率。
 
九、心得感想:
1. 林品君:這次讀書會桑老師請碩二及博班的學長姐報告他們的研究內容與結果,聽完學長姐們的發表真心覺得敬佩,不論是問題的切入、尋求方法的耐心、撰寫程式的細心、報告時的邏輯......等等,真的都非常優秀,而最令人為之動容的是學長姐們讓我們看見在學校所學的知識、技巧如何應用在醫學上助人以及在科技業協助降低成本、增加利潤,也讓我有更大的動力去學習而此次讀書會令我印象最深刻的地方絕對是桑老師的「系統思維之歌」,在歌詞中我理解了系統思維與細節思維的差異,同時也了解到系統思維可以帶給人幸福。最後,我也期許自己繼續努力,向學長姐以及桑老師看齊。
 
2. 徐致恆:此次讀書會已是我參加的第4次讀書會,而今天我是以聽眾的身分坐在台下看學長姐如何向我們報告。這些報告其實之前也聽過不少次,但就因為如此才知道他們其實是透過不斷進步才能不斷有更好的結果,直到有今天如此精彩的報告。之前在聽他們報告的時候,我其實是有點吃力的,但是我認為今天他們所說的就算是第一次聽的人也可以輕易的理解。今天聽他們在台上報告,就像在看場表演,處處精彩也處處是我們值得學習的地方,我由衷佩服他們,這次與其說我學到多少知識,我認為我學到更多的是如何表達、展現自己,身為學長姐的他們成功樹立良好的榜樣。
 
3.葉子匯這次讀書會同樣學習到非常多之前沒有接觸過的題目。藉由碩士學長姐報告自己的論文題目及解決問題的過程,讓我們得以借鏡他們所使用的演算法技巧及學習如何找到問題關鍵點並經由數據的智慧型轉換,讓模擬式能更符合實際的數據。印象最深刻的是郭宗淵學長的冰機問題,他以清楚的講解,按照步驟呈現出以模擬式模擬實際狀況的流程。在他解決問題的過程中,除了參考大量文獻尋找影響冰機重要的因子,更要經過多次的實驗設計才能讓數學式更接近實際數據。靠著毅力及耐心最後求出10多條模擬數學式的學長,是我們專題生們的榜樣。另外做血管音檢測題目的黃品皓學長同樣用堅持成功利用血管音方式檢測洗腎病人是否血管堵塞。透過傅利葉的智慧轉換將時間域資料轉換成頻率資料,讓非侵入式的判斷精準度能大幅提升,找出造福洗腎病人的檢測方法。「下次永遠會更好的!」是學長的座右銘。未來相信我們也能依照學長姐們這樣的經驗模式,只要一步一步學習,也能順利解決目前的專題問題。
 
4. 郭芸如:這次聽了學長姐報告研究成果,非常精彩。最佳契約容量的研究因為有跟中美會議,是今日報告中詳細內容比較清楚的。目標明確,旨在找出花費最少錢的最佳台電契約容量,接著就是根據台電計價規則訂定符號、限制式。學長使用PSO尋求近似解,正好讓我看到最近課堂所學的應用實例,了解PSO除了解設定機台開始時間外的更多應用面。青光眼研究和大三專題影像處理問題相關,學長分享的諸多減少雜訊、特徵增強、預測方法給了我很多啟發,讓我對這些概念都有入門了解,以後若需要用到知道可以找什麼方法。學長姐們也示範了良好的報告方式,給我在報告排版、台風、陳述邏輯上很好的借鑑。
 

5. 陳得凱:此次為本學期最後一次讀書會,而內容主要是學長學姊論文之報告,再加上桑教授的開頭使得此次讀書會有個完美的開頭與結束,就如同本學期的四次讀書會一樣,用這次讀書會當作結束真是個聰明且有規劃的設計。從內容講起,教授的開頭就已經使這次讀書會的參與非常有價值了,那首講述系統思維的歌現在仍在我腦海中不停播放並時時刻刻提醒著我系統思維之重要性。而學長姐的內容更是一個比一個精彩,從台電計價、冰機到青光眼,我看見每個學長都正在所謂「有魚的池子」裡撈魚,也看見每個學長姐也漸漸的持續成長,尤其是冰機的報告我更是越聽越明白其中的困難,學長姐們為我們樹立了良好的榜樣,我期許將來我們也能如同學長姊一樣有能力且充滿自信,再次謝謝桑教授用心良苦所舉辦的讀書會,真的讓我受益匪淺!
 


薛閔之 / 2019-05-21

探討各類影像辨識的實際問題

一、時間:1080423(星期二) 18:3020:30
 
二、地點:工一館829教室
 
三、導讀人:桑慧敏
 
四、成員:蘇意筑、郭宗淵、陳泰榮、吳俊慶、黃品皓、林孝臨、薛閔之、戴汶男、邱景銘、曾靖堯、蘇東洵、張信義、王欣怡、巫昇餘、紀俊宇、徐致恆、陳德凱、黃宇謙、郭芸如、薛宜忻、葉子匯、楊朵、林品君
 
五、紀錄人:薛閔之
 
六、導讀人介紹:清華大學工工系教授,專長於資料分析及系統模擬。
 
七、讀書會進度內容:探討各類影像辨識的實際問題。
 
八、討論記論:
1.老師開場:本周由大學生及在職生來報告。有別於前面兩次讀書會報告影像識別方法,這次著重於探討影像識別的各種實例問題,讓大家了解不同類型的問題應該使用哪種方法來解決較為合適。
 
2.研究生紀俊宇報告:
(1) 問題:LED封測前須檢查進料的晶粒表面是否有缺陷或髒汙,欲建立一影像辨識系統來取代人眼辨識。
(2) 影響處理流程:RGB轉換成SHV、影像旋轉及裁切、影像合成遮單、二值化。
(3) 其中,RGB轉換成SHV,用飽和度或明度的概念分離目標物與背景,結果為飽和度的PDF函數。
 
3.研究生張信義報告:
(1) 說明變壓器的作用及製程,用線圈的匝數去升壓或降壓。
(2) 問題:人工判斷線圈匝數。
 
4.研究生王欣怡報告:
(1)   問題:傳統醫療影像的判讀需耗費大量人力及時間,建立影像辨識系統來解決-以辨識腦中風影像為例。
(2)   傳統醫療影像判讀方法:電腦斷層vs.核磁共振。
(3)   方法:蒐集清晰影像、前處理(濾雜質)、分割、特徵擷取、決策。
 
5.大學生陳德凱、黃宇謙、徐致恆報告:
(1) 問題:用影像辨識技進行菌落計數。
(2) 影像前置處理:灰階轉化、中值率波(去除雜訊)、影像提取。
(3) 提取步驟:將原圖切割成數小塊、利用迭代閾值逼近法找到每小塊圖適合的閾值等。
(4) 方法:CCL,判斷根據為pixel connectivity,主要用來處理二值化圖片。
 
6. 大學生葉子匯、郭芸如、薛宜忻報告:
(1) 問題:檢測拋光晶圓圖是否合格,判斷依據為晶圓表面條紋明顯程度。
(2) 預期目標:用電腦自動化檢測取代人工檢測,並調整誤差容許範圍。
(3) 執行步驟:分析原始資料、產生模擬資料、建立檢測模型、各模型績效指標比較。
 
7. 研究生陳宇上機教學:
(1) 使用Python將青光眼的影像匯入CNN
(2) 說明程式碼中各參數的設定意義。
 
九、心得感想:
1.蘇東洵:這次的讀書會,藉由在職學長姊的報告,我們認識了很多實務上的東西,不同於以往只了解學術上的原理,或公式的運算,我們了解到我們所學的東西是如何運用在實際案例上,謝謝學長姐為這次讀書會的準備。
 
2.邱景銘:第三次讀書會心得是由專題生學弟妹以及在職專班的學長姊報告,最讓我印象深刻的就是在職專班學長,紀俊宇學長的報告:學長自學影像辨識做成這篇報告深刻打動我心,原來學長也是興趣促使於是在機器學習中領域有很好的推動力去完成一樣一樣的課程,在我眼中使同樣擁有對這領域有興趣的我而言是很好的榜樣,也不論是否對於機器學習有這方面的興趣,在其他領域上如果也能保持興趣促使動力的話,都可以有很好的學習力,值得我們深思。
 
3.戴汶男:這次讀書會聽到許多在職班的學長姐分享,其中甚至還有透過影像辨識處理問題,並且實際得到改善的案例。讓我十分佩服在職班的學長姐能在工作之餘,積極的利用所學讓自己更進一步的成長,此精神非常值得學習。此外,可以從學長姊的報告之中感受到他們用心看待讀書會的態度,也令我督促自己向其看齊。
 
4.薛閔之:這次的讀書會聽到了各類型的影像辨識問題,也了解在這些問題中,應分別以哪些方法來解題較為恰當,有別於前兩次的讀書會都著重於方法論,這次探討實際的議題,讓我更清楚各方法的實用時機及使用流程。此外,不論是在職的學長姐或大學的學弟妹都很用心準備報告,是一場收穫滿滿的會議。
 
5.曾靖堯:本次的主題是影像辨識的產業(學術)應用,前兩周介紹的是方法論,而這次是利用各種方法論套用到產業或產學之中。以在職學長-紀俊宇為例,LED進行目檢時常遇到漏檢或主觀判定上的不同造成部分不良品進入到後續封裝的製程,因此可透過影像辨識來改善誤判的問題。而其中會用到許多方法,像是影像旋轉、遮罩、二值化等等。而在職學姐-王欣怡的報告也讓我印象深刻,她的報告讓我們知道醫療產業也可以嘗試使用影像辨識的技術來取代醫生目測。除此之外,學弟妹的報告也比上次純熟許多,他們第一次的報告較為平凡老實,只做到了言之有物,但經過老師的栽培訓練之下,現在可以達到了言之有物、言之有理、言之有味了,尤其是黃宇謙那組,將菌種辨識的原理和方法講得非常清晰生動,連外行人都可以領悟。老師設計的讀書會真的讓大家都進步好多,非常期待最後一次的讀書會。
 
 


薛閔之 / 2019-05-14

Entropy與ICA的方法論 (應用於影像辨識問題)

一、時間:1080319(星期二) 18:3020:30
 
二、地點:工一館829教室
 
三、導讀人:桑慧敏
 
四、成員:蘇意筑、郭宗淵、陳泰榮、吳俊慶、黃品皓、薛閔之、戴汶男、邱景銘、曾靖堯、蘇東洵、張信義、王欣怡、巫昇餘、紀俊宇、徐致恆、陳德凱、黃宇謙、郭芸如、薛宜忻、葉子匯、楊朵、林品君
 
五、紀錄人:薛閔之
 
六、導讀人介紹:清華大學工工系教授,專長於資料分析及系統模擬。
 
七、讀書會進度內容:EntropyICA的方法論 (應用於影像辨識問題)
 
八、討論記論:
1.老師開場:本周由五位研一學生來報告,以更深入探討EntropyICA的概念;下週由在職生報告,說明各自公司在影像辨識方面的實際案例。我們以循序漸進的安排讓大家都能在最短的時間內獲得最多的知識。
 
2.研究生曾靖堯報告:
(1) 解釋Entropy為平均資訊量、亂度的概念,與其公式中機率的意義。
(2) 說明Entropy的應用,例如檢測PCB鍍金表面的缺陷,影像中有缺陷或瑕疵的區域會有較高的Entropy
(3) 比較熵跟方差,兩者有強烈的正相關。其中熵僅與隨機變亮的分布有關,不受隨機變量本身的數值影響。前者代表變量的不確定性,後者代表變量的離散程度。
(4) 用灰階共生矩陣(GLCM)說明熵的一個好處:不只考慮發生機率,甚至融入距離和角度的排列概念,創造更有效的亂度偵測。
 
3.研究生薛閔之報告:
(1) 說明何謂Cross Entropy,在神經網路中,其為一種損失函數。
(2) 用簡單的分類問題舉例說明,比較三種不同的損失函數,損失函數分別為:Classification Error(分類錯誤率)Mean Squared Error (均方誤差)、交叉熵(Cross-entropy)
(3) 說明損失函數的選擇可考慮區分性與學習速率
(4) 結論:(a)MSE, Cross Entropy都擁有區分兩模型好壞的能力 (b)當我們用sigmoid函數作為神經元的激活函數時,最好使用Cross Entropy來替代MSE,以避免訓練過程太慢。
 
4.研究生蘇東洵、戴汶男報告:
(1)   問題描述:如何有效辨識有缺陷的與無缺陷的LCD影像。
(2)   ICA的流程為:輸入X分析圖像上的缺陷,產生W*, S
(3)   說明如何求出SW*:透過ICA訓練出W*矩陣,W*乘上X可得S。其中X為無缺損的圖像,S為重建的影像。
(4)   承第3點,無缺損/有缺損的LCD影像乘上W*可得到重建後的無缺損/有缺損影像,也就是S
(5)   比較重建後影像的訊號對比:重建後無缺陷影像的訊號較平滑,有缺陷的訊號較為波動。
(6)   說明本問題中二值化的方法。(二值化:將灰階影像轉成黑白影像)
(7)   說明論文中瑕疵解驗結果,經過種種轉換後,二值化影像中的缺陷明顯更容易辨識。
 
5.研究生邱景銘報告:
(1) 問題描述:CycleGAN將既有資料(無缺陷樣本)生成更多資料(偽缺陷樣本)
(2) 研究方法:(a)150個實際無缺陷樣本與150個有缺陷樣本,用於CycleGAN訓練以生成偽缺陷樣本 (b)4000個實際無缺陷樣本與4000CycleGAN生成的偽缺陷樣本,用於CNN以辨識樣本是否缺陷 (c)使用訓練後的CNN模型辨識150個實際無缺陷樣本及150個實際有缺陷樣本。
(3) 研究結果:本文所使用的方法相較其他方法有較好的Accuracy
(4) 解釋機器學習中數據不平衡問題。
(5) 說明選擇GAN的原因。
 
6.老師補充:
(1) 以簡單的例子來解釋熵的意義,讓大家理解何謂平均資訊量。
(2) 熵中資訊的概念是只不確定information,老師以驚喜程度來解釋這個不直觀的概念。
 
九、心得感想:
1.蘇東洵:透過這次的讀書會,我們學到了很多東西,我們接觸到了更多的方法論。在報告的前幾天,透過與老師縝密的開會,不斷改善我們的報告,告訴我們報告裡需要的邏輯,讓人容易理解的內容...等。不論是在知識上的增長,還是在報告技巧的進步都是有目共睹的,期待下次讀書會看到其他人的報告。
 
2.邱景銘:此次讀書會報告前老師有找我們研一的學生個別先行報告,報告內容為第一次讀書會報告時內容的深入,對每位學生要報告的內容進行修正以及建議,因此在讀書會時碩一同學可以提供比起先前報告更加充實的內容,最後的學長姊弟妹的心得分享就有因此提到對於此次讀書會有很大的收穫。
 
3.戴汶男:這次讀書會的報告由我們研一負責報告。對我而言,從上課前的報告準備,以及和老師縝密的開會過程之中,我學到許多報告技巧、思考邏輯等讓自己更為充實的事物。在報告完之後也從學長姐的回饋之中,收穫許多可以精進自己不足的地方。
 
4.薛閔之:這次讀書會由五組同學說明了兩種應用於影像辨識的方法,分別是EntropyICA。由於上次讀書會是用實際例子及文獻來解釋其如何應用在影像辨識問題,但我們卻不知道此兩種方法的原理及使用時機,因此這次的讀書會補充了前次不足的地方,讓我們更充分理解它們的方法論。
 
5.曾靖堯:這次讀書會由碩一同學所負責報告。首先由我報告entropy的內涵為何,為何要用entropy當作影像亂度測定的指標而非其他(變異度等等),這次的報告和以往有所不同。以往報告注重的是方法論,並沒有強調跟其他方法的差異性。但這次讀書會之前老師與我們做過多次討論和修正,希望我們能把一個新的觀念帶給大家品味,而非單純論述理論並強加記憶給觀眾,因此在老師的指導後,我的報告變得比上次更成熟且通暢。再來由閔之報告Cross entropy的應用,她告訴大家它與MAPEMSE等等的損失函式,它的優勢在哪裡。而東洵和汶男則利用例子告訴我們一個在影像辨識中很重要的概念-ICA和二值化,它可以把正常和瑕疵的影像作出區別,將灰階的圖形轉化為黑白色,方便辨識出瑕疵處。最後,景銘教我們GAN在影像辨識的應用,它的目的在於增加樣本數,來讓機器學習的輸入值可以更完整,以便訓練出更佳的模型。


薛閔之 / 2019-04-09

人工智慧中的影像辨識問題

一、時間:1080312(星期二) 18:3020:30
 
二、地點:工一館829教室
 
三、導讀人:桑慧敏
 
四、成員:蘇意筑、郭宗淵、陳泰榮、吳俊慶、黃品皓、薛閔之、戴汶男、邱景銘、曾靖堯、蘇東洵、張信義、王欣怡、巫昇餘、紀俊宇、徐致恆、陳德凱、黃宇謙、郭芸如、薛宜忻、葉子匯、楊朵、林品君
 
五、紀錄人:蘇東洵
 
六、導讀人介紹:清華大學工工系教授,專長於資料分析及系統模擬。
 
七、讀書會進度內容:人工智慧中的影像辨識問題。
 
八、討論記論:
1.          老師發表心得:好好說話的重要性。介紹資料分析中,要影像辨識有很多方法,本次的讀書會便是以這個方向去進行。
2.          專題生徐志恆報告:給ICA一組無缺陷的太陽能電池子圖像學習,並用ICA去辨識太陽能電池子圖像檢查有無缺陷。老師講評:沒有放上示意圖也沒有介紹ICA的公式意義,讓人不知所云。
3.          專題生黃宇謙報告:利用相似度指標來測量待測影像和標準是否有很大的程度差異,介紹過去圖形比對的方法。老師講評:所有的方法都有緣於統計,並沒有講清楚圖形的瑕疵類型。
4.          專題生陳得凱報告:介紹如何檢驗LED面板的defect,並點出Lucas-Kanade optical flow的盲點,用dissimilarity measure檢測圖像的相異性。老師講評:並沒有講清楚點的強度的意義,也沒有解釋圖像上的意義,讀論文時,需要點出重點,並解釋其中的方法論,讓沒讀過的人透過你的報告也可以了解此方法論如何運作。
5.          專題生楊朵報告:介紹標準化互相關原理,一種在工業檢測中的各種機器視覺應用,如:物體辨識、印刷電路板等。老師講評:報告中的用詞與前一位報告者相關,應主動說明兩者有相關聯。運用彩色代替灰階,卻沒有點出運用彩色的圖像,要如何帶到原本是運用在灰階圖像中的公式。
6.          專題生郭芸如報告:老師講評:需要先講解方法是應用在什麼問題上。點出透過QQplot檢驗兩者的分配是否相同,卻沒有講出是什麼的機率分配,如:圖像的機率分配、像素的機率分配等。
7.          老師小結語:每位同學在報告的時候需要去想其他組同學在報告的時候,有什麼是跟自己報告的不一樣或是可以拿來應用的。
8.          專題生薛怡忻報告:利用ICA設計一個最佳化的filter。老師講評:要解釋脈衝響應的定義,符號也需要解釋清楚,FHX…等的意義。
9.          碩一生靖堯報告:介紹Entropy()的概念,並介紹如何用熵去應用於檢測缺陷。老師講評:解釋得很清楚。
10.      碩一生閔之報告:用熵去應用於檢測缺陷。老師講評:跟楊朵所報告的論文有相關聯。報告者漸入佳進,很棒!
11.      碩一生汶男報告:解釋ICA。老師講評:管制圖的Y軸有修改,解釋得很清楚。
12.      碩一生景銘報告:利用CycleGAN將既有資料生成更多資料,介紹CycleGAN。老師講評:已經將CycleGAN介紹清楚了!
13.      老師分享:透過從洗腎病人收集到的資料,會有雜音和血管音透過ICA分離出兩者。
14.      老師結語:大三的學生很努力的讀paper,請每位同學分享心得。

 

九、心得感想:
1.          薛宜忻:這次讀書會,有九篇不同文章,各由不同同學報告,主題著重於圖像辨識這一塊。這次是由我們大三先報告,再來是碩一學長姐們,經由這樣的做法讓我發現不管是ppt內容、口頭報告,自己跟碩一學長姊們的真的差異滿多的。我們的ppt大多是將論文內容貼上,然後報告也是將其大致出來,但卻沒有表達出明確的定義、大意;而學長姊們,卻將論文內容讀完之後,自我吸收,再以更簡單的方式去表達其論文內容,而ppt也是非常的簡潔扼要,在短短的五分鐘就能讓人了解論文大意,這讓我深深覺得自己要更加努力學習。而老師對於每個同學所給的建議,可以讓我省思,並改善;老師的報告,針對於ICA&PCA差別,讓我們去了解他們的不同。經由這次讀書會,我了解了看到論文,需要先了解他的問題是甚麼,定義跟其描述都要明確,並在講解公式、問題時搭配其圖片使人更容易了解其作法,對於圖像辨識、ICA、熵等觀念,有了更多的了解,且其對於我們專題有了很大的幫助,未來,我相信經由讀書會,我不但能提高我的報告方式,更能獲的非常多的知識。
2.          郭芸如:這此讀書會以圖像辨識、人工智慧為重點,聽同學和學長姐們分享許多相關主體獲益良多。我這次在閱讀論文與理解上花了許多時間,但卻忘了報告應將內容消化吸收後以更淺顯易懂、邏輯性的方式呈現,而非只照論文原本編排摘錄重點解釋。在聽同學們報告時老師直指出這個盲點讓我恍然大悟,確實我聽同學們報告時很難吸收內容,有許多觀念、細節都一知半解,回觀我自己的報告內容也有同樣問題。我讀過論文較熟悉其內容,但對在場學生們都是第一次接觸,明確的問題定義、由淺入深、生活化舉例、圖例都是必要的,學長Entropy的報告提供了很好的範例。雖然讀書會同學們報告內容並非所有都完全理解,但知曉了許多影像辨識、缺陷偵測與分析技巧(CycleGAN生成更多資料、灰階共變異矩陣…),未來可以根據這些關鍵字再深入研究,尋找解決專題問題最佳方法。
3.          林孝臨:這次讀書會,有九篇不同的文章,各自由不同同學報告,主題著重於圖像辨識這一塊,呼應這次讀書會「人工智慧」之主題。其中圖像辨識,同學報告的部分,其大多目的是找出圖像中的缺陷,雖然目的多一致,但是其方法都各有些微不同。在報告短短的五分鐘內,同學們各自用自己的方式表達,報告或多或少都有可能有不足,在問題定義、描述都需要定義明確,應用簡單明確的話語和圖片來讓觀眾能夠更容易了解講者的主題,再經由老師在報告中提供的建議與報告同學的來往中,同時自己也可以省思,在報告中自己還有甚麼不足並欠缺的地方。感謝這次讀書會的舉辦,能讓我從同學報告、心得中,了解關於ICA、圖像辨識、熵等概念,同時也能讓學生在往後研究中有更多先備知識,藉由讀書會的舉辦,集合大學與研究所和老師等師生們,讓大家都有知識上的提升和報告的技巧等收穫。
4.          蘇意筑:這次總共有3位同學報告。每位同學都閱讀一篇與人工智慧主題相關的文章, 例如以影像辨識的方法來檢測圖形之缺陷。感謝同學利用課餘時間準備報告,也謝謝老師在讀書會中給予的建議與回饋。在今天讀書會的過程中我學習到,準備一篇論文的報告, 五分鐘內只要能夠講清楚一個新的觀念, 與以前學習過的學問或問題相關聯, 且所有的名詞都必須定義清楚, 才能使聽眾因為我的報告而有所學習,並不是將所有新的名詞湊合在一起粗略地報告。在這次的讀書會我學到的新學問為「熵」,謝謝同學用簡單的舉例讓我了解「熵」。這個讀書會提供我們大學生、研究生與老師共同學習的機會, 期許我們在這次讀書會結束前釐清這些新的名詞與觀念。
5.          徐致恆:此次讀書會讓我學到了很多,包括各種圖像轉換之方法,與灰階和ICA的概念以及管制圖在圖像辨識上的應用和學長姐說明得很清楚的entropy的概念。雖然我還沒有很深入的了解,但我認為這可作為一個開頭,讓我在遇到問題時我至少知道有這些方法可應用,不回像無頭蒼蠅依樣沒有一個方向。在製作簡報上也有所收獲:(1)要講到讓聽者容易了解,而不是強加自己也不是很了解的公式。(2)適時的使用圖片才能幫助聽者了解情況。(3)短短五分鐘的報告只要把一個重點講清楚就夠了。以上這些事我與其他講者在報告時或多或少會出現的情況,這對我的未來一定很又幫助,因此也很感謝這次讓我有機會來報告當作一個學習與訓練。在聽在職生與研究生發表感想時我也有所體悟,就是在於他們的公司或研究領域之中我們所探討的部分也或多或少可以拿來應用,這讓我知道了至少我們在學習的東西也有適用之處,也知道更多關於讓職場上的事物與我們所學的東西有所連結的部分。

 

 

 


薛閔之 / 2019-03-20
人工智慧於影像辨識外的其他實際議題 2019-05-21 探討各類影像辨識的實際問題 2019-05-14 Entropy與ICA的方法論 (應用於影像辨識問題) 2019-04-09 人工智慧中的影像辨識問題 2019-03-20


Copyright©2007-2009 National Tsing Hua University ALL RIGHTS RESERVED
最佳解析度為1024*768或1280*1024
聯絡我們 101, Section 2, Kuang-Fu Road, Hsinchu, Taiwan 30013, R.O.C. 30013 新竹市光復路二段101號 代表號:03-5716200 統一編號:46804804