---
title: 【軟體】模型訓練知識及流程
tags: TTennis Pickup Robot
disqus: hackmd
---

<h1 style="text-align: center; color: orange;">
🛠️ 【軟體】影像處理 🛠️
</h1>

<h2 style="text-align: center; color: skyblue;">【物件偵測】模型訓練知識及流程 </h2>

<center>

以深度學習進行物件辨識的模型訓練流程如圖。


我會簡化成 **Collect、Annotate、Train、Deploy** 四階段。

* <font color = "yellow">Collect</font>：蒐集含辨識物件的照片素材。
* <font color = "yellow">Annotate</font>：標記特徵點，並做前處理。
* <font color = "yellow">Train</font>：以神經網路框架和模型訓練。
* <font color = "yellow">Deploy</font>：部署到機器上，應用於終端。
</center>

</br>

---

<h3><font color="magenza">
1. 先備知識
</font></h3>

:::success
**訓練前必須搞懂的：**
機器學習：Cross Validation、Confusion Matrix、Hyperparameter、overfitting
模型指標：confidence、recall、precision、IOU、mAP、AP、confusion matrix

**不搞懂也能訓練，但我覺得還是要懂的：**
Reinforcement Learning ( 不同於 ML 之處 )、Back Propogation、CNN
:::

這是一些實際訓練的指標：


</br>

---
<h3><font color="magenza">
2. 模型、神經網路框架
</font></h3>

* 模型是利用神經網路進行特定任務（如物件偵測、影像分類等）的具體實現。
* 神經網路框架則是開發、訓練和部署這些模型的工具和環境。

模型在框架中建立、訓練並運行，框架提供必要的庫、函數和計算資源。

* 常見模型：YOLO、Faster R-CNN、MobileNet ...
* 常見神經網路框架：Tensorflow、Pytorch、Caffe ...

</br>

---

<h3><font color="magenza">
3. 嵌入式相機 vs. GPU
</font></h3>

> 這裡嵌入式相機是指能獨立進行模型推論，而 GPU 是指相機外部的運算資源。

<font color="yellow">**訓練階段**</font>：一定是用 GPU、TPU 等進行運算。訓練方案可參考 [Training 階段](https://hackmd.io/@925/training)。

<font color="yellow">**部署階段**</font>：可在嵌入式相機或 GPU 中運算。GPU 運算時，相機只需傳遞影像資訊。
嵌入式相機則比較麻煩，因為由 GPU 訓練的權重檔須轉檔為輕量化格式，並燒錄至相機（on-device coding）。詳情可參考 [Deploy 階段](https://hackmd.io/@925/deploy)。

</br></br></br></br></br>