Skip to content

Data Science › Deep Learning › 電腦視覺

電腦視覺 (Computer Vision) ​

影像怎麼進入模型、CNN 為何有效,以及兩類最常見的任務:分類(整張圖一個標籤)與分割(每個像素一個標籤)。不訓練模型的古典影像處理(濾波、閾值、形態學、registration)見 影像分析;各成像模態的原理見 Medical Imaging。

建議順序 ​

CNN 與影像分類 → 遷移學習 → U-Net 分割

筆記 ​

筆記內容回答的問題
卷積神經網路卷積、pooling、輸出尺寸、經典架構、影像分類流程、1D CNN為什麼影像用 CNN?分類模型怎麼建?
U-Net 影像分割encoder-decoder、skip connection、Dice loss、細胞 / 器官分割工具怎麼把每個像素分類(細胞、病灶)?

任務對照 ​

任務輸出生醫例子常用模型 / 工具
分類每張圖一個類別病理切片腫瘤 / 正常、X 光有無肺炎ResNet、EfficientNet、ViT
物件偵測邊界框 + 類別細胞核、有絲分裂計數YOLO、Faster R-CNN
語意分割每像素類別器官、腫瘤區域U-Net、nnU-Net
實例分割每個物件各自的遮罩個別細胞(相鄰細胞要分開)Cellpose、StarDist、Mask R-CNN
全切片影像 (WSI)整張 gigapixel 切片一個標籤預後、分子亞型預測切 patch + 多實例學習 (MIL)