[評價] 107-2 王鈺強深度學習於電腦視覺

看板NTUcourse作者jexus (pytorch)時間4年前 (2019/07/17 12:52)推噓7(7推 0噓 2→)

留言9則, 9人參與討論串1/1

※ 本文是否可提供臺大同學轉作其他非營利用途？（須保留原作者 ID）（是／否／其他條件）：是哪一學年度修課： 107-2 ψ 授課教師 (若為多人合授請寫開課教師，以方便收錄) 王鈺強教授 λ 開課系所與授課對象 (是否為必修或通識課 / 內容是否與某些背景相關) 電信所 δ 課程大概內容第0週 2/20 Course Logistics + Intro to Computer Vision 第1週 2/27 Machine Learning 101 第2週 3/06 Image Representation & Recognition; HW #1 out 第3週 3/13 Intro to Neural Networks + CNN (I) 第4週 3/20 Intro to Neural Networks + CNN (II) Tutorial on Python, Github, etc. 第5週 3/27 Detection & Segmentation; HW #2 out 第6週 4/03 Spring Break 第7週 4/10 Segmentation, Visualization, and Adversarial Attacks of NNs 第8週 4/17 Generative Adversarial Networks (Guest Lecture by Prof. Wei-Chen Chiu); HW #2 due & HW #3 out 第9週 4/24 Transfer Learning and Representation Disentanglement (I) 第10週 5/01 Transfer Learning and Representation Disentanglement (II) 第11週 5/08 Deep Learning for Video Frame Interpolation & Object Co-Segmentation (Guest Lecture by Dr. Yen-Yu Lin); HW #3 due 第12週 5/15 Recurrent NNs and Seq-to-Seq Models (I); HW #4 out 第13週 5/22 Recurrent NNs and Seq-to-Seq Models (II); Invited talk by Dr. Taiyi Huang (ASUS AICS) 第14週 5/29 Learning Beyond Images (2D/3D, depth, etc.) 第15週 6/05 Audio-Visual Event Localization and Synthesis; HW #4 due Invited talk (1) by Dr. Wei-Sheng Lai, UC Merced) Invited talk (2) by Dr. Shang-Hong Lai (Principal Researcher, Microsoft) 第16週 6/12 Few-Shot Learning Ω 私心推薦指數(以五分計) ★★★★★ ★★★★★ η 上課用書(影印講義或是指定教科書) 老師自製的投影片，也有放到實驗室的課程網站上 μ 上課方式(投影片、團體討論、老師教學風格) 投影片上課，學期初先用一堂課講一些基本ML(Bayesian, PCA, SVD, K-means cluster) 和Bag of Word for image等傳統CV方法，接著講DNN、CNN，之後就進入DL的部分 HW1是非deep作業，弄圖片的PCA、eigenface、BoW、filtering等等因為HW1難度較低只佔5% 教完CNN之後會進入Detection & Segmentation 會講R-CNN、Mask R-CNN、YOLO(v1~v3, 9000)、SSD等Detection模型 Segmentation有點快速帶過，稍微講一下FCN、U-Net等方法 HW2就是要實作YOLO-v1 之後會介紹一下t-SNE跟visualize CNN kernel的方法和Adversarial Attack(大金Youtube講得比較清楚XD) 然後請交大邱維辰教授來講GAN HW3的前半就是實作GAN跟ACGAN 接著講Transfer Learning有關的主題會介紹Unsupervised Domain Adaptation(DANN, DSN, ADDA...) 跟Represenation Disentanglement(ACGAN, InfoGAN) 最後是Image Translation & Disentanglement(pix2pix, CycleGAN, UNIT...) 這段我覺得是課程最精彩的一段，發展的脈絡很清楚也有講到老師實驗室分別上CVPR跟NIPS的Work(CDRD, UFDN) HW3的後半就是實作DANN，跟任意improved model，我跟幾個同學都是選ADDA來做最後會介紹Video跟Speech跟CV混在一起的應用為了處理Video Speech所以會先介紹RNN(LSTM, GRU)和Attention(沒有Transformer XD) HW4就是用RNN來做Video的Action Recognition 最後幾堂課還會講2D/3D跟Few-Shot Learning，但就沒有作業實作了這學期好像完全把RL拿掉了 QQ 學期後半請了蠻多人來演講的像是中研院的林彥宇老師華碩副總裁黃泰一微軟AI R&D Center的賴尚宏老師還有在UC Merced的B97電機系學長分享美國實習經驗整學期算學到蠻多東西的，不過畢竟是Deep相關課，內容都是近年研究主題很新很雜蠻多地方都是一系列的paper report，沒有作業實作就容易會帶過去有個印象而已日後要深入瞭解的話，還是去找原paper看會比較深入一些 ρ 考題型式、作業方式作業有上述說的HW1~HW4，都是一人一組自己做，loading的話HW1很快大概4~6小時內 HW3、HW4大概是以前做大金ML作業的1.5倍loading，大概15~20小時可以解決 HW2的話因為這次YOLO很多人包括我自己都遇到train不起來的問題我最後是發現加了warm up optimizer之後就起飛了(前面還找了超久問題... 但每個人遇到的狀況好像都不太一樣就是了然後老師有給每個人3天遲交不扣分的扣打可以用，後來HW2之後又加了兩天我自己只有在HW2用掉一天，整體時間還算充裕 Final Project的部分是3~4人一組有兩個題目可以選，第一個是今年ICCV workshop的 Visual Domain Adaptation Challenge (http://ai.bu.edu/visda-2019/) 就是做很多個Source Domain的UDA 第二個則是Cast Search by Portrait Challenge 也是今年ICCV另一個workshop的，從電影畫面辨識演員兩個Challenge都有開Kaggle讓我們爬榜 σ 評分方式(給分甜嗎？是紮實分？) 應該算頗甜因為這次hw2 YOLO有點難搞，所以後來給分改成hw2 hw3 hw4各自分別由高到低佔30% 20% 10%，hw1一樣是5%，final project佔剩下的35% 另外每次作業都有一些bonus可以做，可以另外拿超過100分像hw1可以拿120(但只佔5%)，其餘我hw2~4分數都拿90~110之間 final的話因為我們這組有拿到Challenge #1的第一名， kaggle leaderboard跟人氣獎也都有額外加到分最後35%是給了32.01分給分很大方，我學期成績有拿A+ ω 其它(是否注重出席率？如果為外系選修，需先有什麼基礎較好嗎？老師個性？加簽習慣？嚴禁遲到等…) 這門課助教都人很好，我們hw2搞不出來的時候都有去問助教，也都很熱心幫我們找問題另外後面作業竟然還有開放給同學revision(改code)機會補救，部分給分，修過這麼多課實在沒遇過幾門有這麼好心的...真的是辛苦助教了Orz Ψ 總結這門課算是可以讓你快速review過一次近年DL for CV的發展，也實作了一些有趣的topic 讓你在日後能有興趣深入研究，收穫很多～ -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 140.112.25.99 (臺灣) ※ 文章網址: https://www.ptt.cc/bbs/NTUcourse/M.1563339174.A.7E0.html ※ 編輯: jexus (140.112.25.99 臺灣), 07/17/2019 12:55:20 ※ 編輯: jexus (140.112.25.43 臺灣), 07/17/2019 16:40:12

推

Alex548291

07/18 10:10, 4年前 , 1^F

07/18 10:10, 1^F

推

empireisme

07/18 13:44, 4年前 , 2^F

07/18 13:44, 2^F

→

alan23273850

07/18 14:03, 4年前 , 3^F

07/18 14:03, 3^F