# 隊名:AI救火隊
[TOC]
# [google drive](https://drive.google.com/drive/folders/16Mt-yVjAjnoFLM5BkLDoT-Wgl5hChvOZ?usp=sharing)
# 有興趣的題目整理
|項次| 題目 | 參與人員 | 出題單位 / 聯絡人 |備註|
|----|--------|--------|--------|---|
|1*|[消防救護無線電通話AI降噪](https://aigo.org.tw/zh-tw/competitions/details/434) | kevin,坤賢/冠廷|新北市政府消防局| 6/1 09:15-10:20|
|2|[消防救護通話語音AI意圖識別](https://aigo.org.tw/zh-tw/competitions/details/435) |放棄|新北市政府消防局 |4/28 下午場媒合會 |
|3*|[運用深度學習技術，發展課程精準行銷分群預測模式](https://aigo.org.tw/zh-tw/competitions/details/467)|睿源,士桓 |台灣電商顧問股份有限公司 |5/30 13:00-14:50|
|4|[以語意分析技術應用於電子郵件潛含釣魚意圖之可能性評估](https://aigo.org.tw/zh-tw/competitions/details/472)|放棄|眾至資訊股份有限公司|5/5 上午場媒合會|
|5*|[屏東縣立圖書館總館－讀者書籍精準推薦服務系統](https://aigo.org.tw/zh-tw/competitions/details/446)|士桓|屏東縣政府文化處|5/30 09:15-10:20|
|6|[護心守衛─提升救護車12導程心電圖病徵判讀準確率與加強後續應用的擴散效益](https://aigo.org.tw/zh-tw/competitions/details/443)|放棄|屏東縣政府消防局|5/10 下午場媒合會|
|7|[珊瑚礁復育指標物種水下計數](https://aigo.org.tw/zh-tw/competitions/details/431)|Cheng-Ju Lee, 顏嘉華|國立海洋科技博物館|5/30 10/45|

# 相關時程
| 項次 | 作業程序 | 解題賽時程 |
| -------- | -------- | -------- |
| 1 | 構想收件截止 | 5/16 |
| 2 | 構想簡報審查會| 5/30~ 5/31(TBD)|
| 3 |出解題簽訂合作文件|構想審查後一個月內|
| 4 |期中訪視 | 8 月中|
| 5 | 競賽結束 | 10/21|

[計劃書大綱](https://hackmd.io/Rb3z1rERT1-1308QxjetpA?view)

## [消防救護無線電通話AI降噪](https://aigo.org.tw/zh-tw/competitions/details/434)
[](https://www.mdpi.com/2076-3417/11/2/721/pdf)
人員:kevin 冠廷
嘉冠
## 論文:
[Real-Time Noise Suppression Using Deep Learning](https://developer.nvidia.com/blog/nvidia-real-time-noise-suppression-deep-learning/)
[A Multi-Resolution Approach to GAN-Based
Speech Enhancement
](https://www.mdpi.com/2076-3417/11/2/721/pdf)
[人工智慧機器人吵雜環境多人友善對話關鍵技術之研究(第2年)
](http://ir.lib.ncku.edu.tw/bitstream/987654321/203047/-1/1072221E006216MY2(%E7%AC%AC2%E5%B9%B4).pdf)

[](https://tw.stock.yahoo.com/news/%E5%B7%A5%E7%A8%8B%E5%B8%AB%E7%9B%A3%E8%81%BD%E6%95%91%E8%AD%B7%E7%84%A1%E7%B7%9A%E9%9B%BB%E9%82%84-%E9%96%8B%E7%9B%B4%E6%92%AD-%E8%AD%A6%E6%B6%88%E5%87%BA%E5%8B%95%E9%9B%B2%E6%A2%AF%E8%BB%8A%E9%80%AE%E4%BA%BA-034723597.html)
### 4/29 會議記錄
AI 降噪:
1. 降噪可以以分段的方式執行:
第一段頻譜分析濾掉救護車的鳴笛聲;
第二階段用speech enhancement抓出人聲,參考成大論文;
第三段VAD;第四段ASR處理;
2. 請大家幫忙碌救護車的聲音,幾秒即可
3. 圖書推薦: 士桓(?)
媒合會要問的問題:
如何呈獻給使用者推薦的介面?
80%如何定義
4. 資安: 待Ryan確認
5. 消防救護通話語音AI意圖識別擬放棄除非有新資源進入
6. 珊瑚礁復育指標物種水下計數擬放棄除非有新資源進入
### 5/2會議紀錄 21:30-21:45 冠廷,kevin
1. AI speech enhancemnet 請坤賢,冠廷及有興趣的夥伴進行survey 一個適合的model,及paper,每週討論一次
2. 因為是即時的效能可能要注意一下,
3. kevin負責前端預處理fft等方式
4. 建議書放google drive請大家共同編輯
### 6/1 評審提問
1. 會針對無線電訊號修改模型嗎？
2. 為什麼選這個模型
3. 這麼多濾波器會影響嗎？
## [消防救護通話語音AI意圖識別](https://aigo.org.tw/zh-tw/competitions/details/435)
5/10下午媒合會

* 方法:
* 資料來源:
新北消防局無線電錄音檔
科技大擂台語音資料
youtube 爬蟲
中油公司1912錄音資料
kevin主筆
* 問題:1.需要什麼資源?
* 語音辨識:
1.online,offline
2.VAD 斷字
3.語意分析,坤賢
* 上次總統杯訪問台北市消防局心得 （坤賢）
* 目標OHCA 最終判別
* 派遣員遇到痛點：
* ohca 判別需要提醒，如詢問有呼吸心跳，適時跳出提醒視窗 （Sentiment analysis online）
* 自動擷取住址或地標在螢幕上，快速尋找派遣救護車 (Named Entity Recognition)
* 拿到的資料去識別化
* 系統不能對外連線，以免資料外洩，語音辨識要打包放在本地端
* 資料很多語音辨識會不好，提醒派遣員再次詢問
### 4/28 媒合會
參與人:kevin,美玲,詩欽
1.可否說明各意圖是否有業內標準名詞如OCHA等
[業主回復] 有,
2.相關教育訓練是否對各意圖有相關SOP,
沒問到,推測應該有
3.無線電錄音檔,可否區分使用情境,指揮中心,對車,車對車,醫院對指揮中心,
[業主回復] 主要是派遣中心對救護車
4.使用情境我們需要給派遣員 online 的資訊嗎，還是 offline 整理而已嗎,
[業主回復] online
5.如果是online除了意圖要從語音整理出什麼摘要嗎，住址，病情，等等,
[業主回復] 意圖,有更多資訊更好
6.如果是online偵測發現意圖的時間,是否需考量
[業主回復] 希望要 real time
7.[業主] 無蓋台情況,目前問題太吵雜,你們是個人如何接標案?

* 準備:
* 參考資料:
[nvidia riva](https://blogs.nvidia.com.tw/2021/11/10/riva-enterprise-custom-voice-speech-ai/)
[李宏毅機器學習 2022語音與影像上的神奇自督導式學習模型](https://www.youtube.com/watch?v=lMIN1iKYNmA&t=842s)
[2019總統盃黑客松](https://presidential-hackathon.taiwan.gov.tw/2019/files/5.%E7%AC%AC%E4%BA%94%E7%B5%84_Walking911_%E8%A4%87%E9%81%B8%E6%9[
](https://)C%83%E8%AD%B0%E7%B0%A1%E5%A0%B1.pdf)

[KELM: Integrating Knowledge Graphs with Language Model Pre-training Corpora](https://ai.googleblog.com/2021/05/kelm-integrating-knowledge-graphs-with.html)
[基於語音辨識於法庭筆錄之應用](https://aigo.org.tw/zh-tw/competitions/details/439)
1.筆錄和實際內容可能不同
2.難度高
las 用common voice資料集,ASR,language model加入3%-5%,針對特定領域tran model非general purpose
3.分詞類似 jieba
4.train
## [以語意分析技術應用於電子郵件潛含釣魚意圖之可能性評估](https://aigo.org.tw/zh-tw/competitions/details/472)
偏簡單
詩欽
5月5日 上午場媒合會出題單位
顧問:嘉冠
### 參考資料
[Machine Learning and Deep Learning for Phishing Email
Classification using One-Hot Encoding](https://thescipub.com/pdf/jcssp.2021.610.623.pdf)
[Semantic Feature Selection for Text with
Application to Phishing Email Detection?](https://cs.rochester.edu/u/nhossain/icisc-2013-phishing.pdf)

## [運用深度學習技術，發展課程精準行銷分群預測模式](https://aigo.org.tw/zh-tw/competitions/details/467)
### 5/30 評委的問題
1. 要如何跟 domain expert 合作？
2. 要如何用 Knowledge Graph？
3. 資料只有這麼少（12,000 筆），為什麼要用 GNN？

[0504- 模型選擇的參考依據](https://docs.google.com/spreadsheets/d/1PJdJ4AstyOfOtPLguvMSli6AXh-xFg3k/edit?usp=sharing&ouid=113434753635826855307&rtpof=true&sd=true)
[0429- 初步提案投影片- 用於討論](https://docs.google.com/presentation/d/1B98uBFSxK9ItT2J1AMURhgK-r7pWyWF0/edit?usp=sharing&ouid=113434753635826855307&rtpof=true&sd=true)
[什麼是標籤行銷？](https://blog.dcplus.com.tw/marketing-knowledge/marketing_concept/143554)
[IKGAT](https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=9346385)
[KGAT: Knowledge Graph Attention Network for
Recommendation
](https://arxiv.org/pdf/1905.07854.pdf)
[kggithbu](https://github.com/xiangwang1223/knowledge_graph_attention_network)
[論文翻譯](https://blog.csdn.net/diaokui2312/article/details/107757560)
[KGAT论文笔记](https://zhuanlan.zhihu.com/p/119053077)

[System Design for Recommendations and Searc](https://www.youtube.com/watch?v=lh9CNRDqKBk)
### 說明會:4月28日 下午場
與會時間: 2022/4/28 15:30~15:40
與會者: AIGO(2位), CPC(4位), 台灣電商(1位, 塗先生)

會議討論紀錄如下:

1.資料已去識別化,有沒有可能提供部份資料供建模使用
[補充] 業主預計提供約12,000筆, 但要求需親臨現場實作,企業資料亦不能攜出. 建議前期可否提供部分比數資料, 甚至部分欄位資料(可移除學員敏感資訊)
[業主回復] 媒合成功後會提供學員報名資料, 非會員資料. 但是否可攜出, 業主沒特別回應, 仍須確認.

2.除了訂單是否有,課後問卷調查或直播或重播收看紀錄等相關數位足跡
[業主回復] 部分課程有課後問卷, 業主課程以實體為主, 因為目前疫情, 部分改為線上直播, 非專門數位學習平台無相關收看紀錄.

3.學員資訊包含那些資料如性別,居住地,年齡,收入,職業,職務,學歷,註冊時間等
[補充] 須請業主進一步提供數據欄位的定義及可能的選項及範圍, 例如課程種類數量、課程名稱、上課時段等訊息
[業主回復] 業主提供為學員報名資料

4.有希望分幾群嗎?
[業主回復] 業主也暫無想法, 只提到所提供的課程分為經典課程(2~3個月重複一次)與流行議題(嘗試類), 底下又細分課程種類.
僅提到一般學員修經典課程後, 便不會在回購第二次,除非更新進階課程.

5.新課程推出時是否會針對課程設定TA,TA的profile
[業主回復] 業主手上有TA背景資料.

[補充]
6.業主期望初步預測準確度可達75%, 需定義比較資料
[業主回復] 業主舉例, 比如發送信的開啟率. 但具體如何操作及定義, 仍須進一步的討論
目前部份edm軟體送信開啟率
7.在完成業主期望自動化完成客戶貼標分群工作, 想了解後續與課程種類的關係為何, 應屬多對多(M:N)關係
[業主回復] 業主課程種類 分為三種, 創業, 行銷, 數位課程. 但客戶未提及預期對對學員的分類.

8.可視覺化呈現同期變化, 個別客戶訂單金額及商品分析, 想問針對可視覺化方面是如何提供
[業主回復] 目的在了解學員狀況.

最後有提問, 業主仍未說明關於客戶貼標, 分群, 準確度三者之間關係, 但由於時間不足, 主辦方請我方雙方線下確認.

客戶的痛點
1.如何吸引新客戶精準行銷
2.舊客戶如何買更多
3.新客課上架時如何精準行銷

問題:
1, 提案初步採用那些欄位做分析
2, 提案初步模型建議採用哪種
3, 如何判斷模型正確率
* [模型驗證指標](https://i.imgur.com/IRBx47g.png)

[excel做推薦系統](https://www.youtube.com/watch?v=B-eXI_SD7w4&t=35s)
[netflix prize 得獎論文](http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.178.1356)
[netflix簡介](https://www.youtube.com/watch?v=mjlNa0BV-OM&t=451s)
[netflix推薦系統主管Trends in Recommendation & Personalization at Netflix](https://www.youtube.com/watch?v=IByC2keY3vo)
柏樺,詩欽,vivi
[kaggle 的coursera課程資料](https://www.kaggle.com/code/sagarbapodara/coursera-course-recommendation-system-webapp)
[content base filtering](https://www.kaggle.com/code/sagarbapodara/coursera-course-recommendation-system-webapp)

## [屏東縣立圖書館總館－讀者書籍精準推薦服務系統](https://aigo.org.tw/zh-tw/competitions/details/446)
### 5/30 評委的問題
1. 面對新讀者，冷啟動的問題如何解決
2. 書面上有提到整合外部資料，但口頭時尚未提到，請再說明

### 4/29 會議記錄
媒合會要問的問題:
1. 如何呈獻給使用者推薦的介面?
2. 80%如何定義
- 是否推薦每個使用者三本書，10人有8人點擊(收藏)，即為80％
- 再問清楚是否能以細分類別方式做預測準確，例如：預測該使用者可能喜歡[科幻小說、心理學、財經書籍]等三類，該使用者於下一次任意借一本屬於此3類的一種即為預測成準確。
3. 針對預估水準業主的需求是什麼
5月9日 下午場媒合會
柏樺,詩欽
[bookdataset](http://www2.informatik.uni-freiburg.de/~cziegler/BX/)
## [護心守衛─提升救護車12導程心電圖病徵判讀準確率與加強後續應用的擴散效益](https://aigo.org.tw/zh-tw/competitions/details/443)
5月10日 下午場
顧問:royce
HIT團隊合作
4月28日 上午場
[利用AI輔助顯微影像判斷，提升污廢水處理流程中之微生物辨識率](https://aigo.org.tw/zh-tw/competitions/details/444)

5月6日 上午場
## [珊瑚礁復育指標物種水下計數](https://aigo.org.tw/zh-tw/competitions/details/431)
### 5/30 評委的問題
1. 用 frame difference 是什麼意思？
2. 為什麼是precision作為最後預期成效？
3. 有提到多種物件偵測方法，講一下怎麼做的，具體是採用什麼模型架構

[yolov4 中研院論文](https://arxiv.org/pdf/2004.10934.pdf)
### 4/25 會議記錄
:::info
- **Link**:https://meet.google.com/ztj-egce-ghx
- **Date:** 21:30 25 Apr 2022 (TST)
- **Participants:**
- 坤賢
- 詩欽
- Royce
- 美玲
- 林世智
:::

* [消防救護通話語音](https://aigo.org.tw/zh-tw/competitions/details/435)
* 派遣員和外勤通信的錄音
* 用途不明？？
* 語音辨識
* 坤賢：我猜測要把民眾的語音寫成摘要和住址發給救護車，詳細要問業主
* 去年題目主要想了解消防局業主痛點，chatbot和語音辨識，[報案電話語音轉文字之AI語意分析與運用](https://aigo.org.tw/zh-tw/competitions/details/349)
* 辨識重複按鍵 [重複報案案件篩選及提醒的AI演算法](https://aigo.org.tw/zh-tw/competitions/details/348)
* 美玲：20個不同的意圖為何
* 拿今年的題目問一下屏東消防局人員痛點為何，消防局應該會有差不多的問題
有意加入者
id:seiching

4/23會議紀錄

### 4/26會議
- **Participants:**
- kevin
- 詩欽
- Royce
- 美玲
- 林世智
21:00-21:30
護心守衛─提升救護車12導程心電圖病徵判讀準確率與加強後續應用的擴散效益
1.作業流程,如ekg是送到醫院,還是在line中送的,(本局救護車配置「即時無線傳輸12導程心電圖裝置」，用來即時監測記錄患者心電訊號變化，透過系統即早將心電圖傳送至醫院端)
2.專案結果說明
3.標注內容是什麼

### 4月28日消防說明會
* 筆記
34台
ocha
AED
少數有ekg設備,但沒有人接
PDF檔
aibot 是重點
1.心電圖60%, vt,vf,stemi,醫師標注
2.NLP進階需求
ekg廠商分佈
來算不同家
圖上的文字是否需要後續再討論
但是,

* 消防救護通話語音AI意圖識別 21:30-22:00

1. 可能的流程說明,如是誰和誰之間的無線通話
和車上司機,及emt,醫院,車和車之間除非大量病患現場,
2. 20個不同的意圖可能是什麼和流程有沒有關係
會被蓋台,發話前,
根據誰差距很大,
(1)報生命
(2)車狀況
(3)患者拒送,如指定醫院
(4)生小孩
送醫途中,
關鍵專業術語,
品質不好
降噪專題如何連結
3. 去年題目相關如錄音資料可以離開貴單位嗎，及什麼是應變中心(重大事故嗎)

### 5/5 會議記錄
:::info
- **Link**:https://meet.google.com/wtr-fzvb-fwv
- **Date:** 21:30 5 May 2022 (TST)
- **Participants:**
- 坤賢
- 詩欽
- 李承儒
- 周文靜
- 林士桓
- 柯冠廷
- 石若薇
- Kevin
- 林睿源
- 曾繁斌
- 美玲
- 嘉冠
- 顏嘉華
:::

珊瑚礁魚種
1. 業主是否已經確認專案的應用情境？目前作業方式為何? 是串流影像實時辨識，抑或定期截圖並計數？ (用以考量模型需要兼顧效能與精度還是最大化精度即可)(未來運用是否參考人流演算法)
2. 業主提供的訓練影像解析度為何？ 是否可提供sample，
3. 業主的需求是僅分類9種? 5種?指標魚類，還是若可以的話，珊瑚礁數百種魚種都分出來最好？ 這五種準確率 85%以上，其他的沒有達到也可以,是用照片確認嗎?
4. 承2. 業主能提供符合目標需求的資料集確切大小為何？
5. 業主是否有偏好的驗證演算法精度的方式？ Recall(即事實為真的樣本中有幾個是預測正確的)/Precision為主(即陽性的樣本中有幾個是預測正確的)？
6. 訓練影像是否都一樣大
7. 魚的遠近是否差很多
8. 畫面會有很多魚嗎?背景魚種要標嗎，怕訓練不起來，魚被遮蔽一半以上會不容易辨識
9. 可否說明資料標註檔案

* 魚種的名詞不一樣，要確定期待的版本
* 定期盤點數量， fds? recall?
* 影片跑過去的結果來計數要如何驗證 or picture
* 明天有人要參與嗎

消防無線電降噪

* 要有法人身份報名，邀朋友公司參與 （要和消防局簽NDA）
* 參與者：坤賢 Kevin 柯冠廷 美玲
* 週末前填好[表格](https://docs.google.com/document/d/1rM8q9X9vzarvVXnVit7Beyzkow6ee8YVzh4qi6ILGF8/edit?usp=sharing)
* 一星期檢討一次以上
* 需要再錄音嗎，再錄個幾種聲音嗎
* [混音範例](https://colab.research.google.com/drive/1IwuXHl247sq-xrIn3Mw3dPMM-GWmgcRI?usp=sharing)
* 我用這個軟體做混音:Audacity

推薦系統，精準行銷
* 採用的模型：GAT(graph attention networks)是GNN的一種
* output要轉換成業主需要的投放廣告，推薦課程等
* benchmark有模擬的欄位
* 提案書中模型技術細節不用提太多，提出為什麼選這個模型的理由
* 客戶的偏好
* 用流程圖顯示
* 線上熱門課程-如hahow
1. 獲取新客戶:
為了獲取新客戶通常需網路廣告,本作業目的分析產品銷售紀錄,推算客戶可能的profile，做為產出網路廣告所需的profile
如行銷核心核程,或某一特定課程
輸入:課程名稱可以1-5個,或講師名稱
產出:客戶的profile(下廣告用)
2. 舊客戶再行銷
分析客戶喜歡什麼課程,什麼課程是客戶喜歡的,包含新課程及新舊程
輸入:
(1)客戶profile 或 (2)課程名稱可以1-5個,或(3)講師名稱1-5個
產出:客戶清單,沒上過的課且可能會喜歡的課
3. 營運分析-視覺化呈現
可視覺化呈現同期變化、個別客戶訂單金額及商品分析
輸入期間或客戶編號,商品編號
輸出:圖表

圖書館推薦書籍
* 資料簡單，圖書
* 有該圖書館的3D物件和平面圖
* 個人推薦書籍 top3 達到 80% 以上 （點擊or收藏）
* 確認真正需求是什麼?
* 作業流程
* 如何算好

共同提案
* 本專案有關智財權及未來獎金分配草擬如下，如果有不週全之處還請大家提供寶貴意見
1. 智慧財產權由創作者或共同創作者所有,並以非專屬授權創作者任職公司、出題廠商或學校使用
2. 獎金分配依創作及貢獻度分配,由團隊投票決定
3. 交付文件戓程式碼不得有侵權事宜

[CS224W: Machine Learning with Graphs video](https://www.youtube.com/watch?v=JAB_plj2rbA&list=PLoROMvodv4rPLKxIpqhjhPgdQy7imNkDn)
[cs224w class](http://web.stanford.edu/class/cs224w/)
## 5/6 海科館珊瑚礁復育指標物種水下計數媒合會記錄
1. 目前作業方式是研究人員及潛水志工定期於海底觀察當場計算嗎?還是還是錄影回來後再看影片計算?
未來專案的應用情境望透過水下攝影機，定期紀錄珊瑚礁復育魚種及數量:是透過錄影及時計算還是定期截圖呢?
業主回答:
目前是潛水員當場計算, 未來以影片計算;
1.1 以現有的四支固定式水下攝影機, 每天錄影8小時, 每小時產出一個檔案(既有), 每天共有32個檔案, 影片是4K;
1.2 記錄關鍵九種魚類出現的在影片(每小時)的資訊包含: 魚種/大小/數量/停留時間;
2. 業主提供的訓練影像解析度為何？ 是否可提供sample，
業主回覆: 4K, 已提供;
3. 業主的需求是僅分類9種? 5種?指標魚類，還是若可以的話，珊瑚礁數百種魚種都分出來最好？ 這五種準確率 85%以上，其他的沒有達到也可以,是用照片確認嗎?
業主回覆: 用影片確認, 這五種準確率 85%以上，其他的沒有達到也可以
4. 承2. 業主能提供符合目標需求的資料集確切大小為何？
業主回覆: 體長大於5公分魚類
5. 業主是否有偏好的驗證演算法精度的方式？ 85%, 少算是比較ok Recall(即事實為真的樣本中有幾個是預測正確的)/Precision為主(即陽性的樣本中有幾個是預測正確的)？
業主回覆: prefer 少算不要多算
6. 訓練影像是否都一樣大
業主回覆: 都是4k
7. 魚的遠近是否差很多
業主回覆: 可能, 會有水痕等背景
8. 畫面會有很多魚嗎?背景魚種要標嗎，怕訓練不起來，魚被遮蔽一半以上會不容易辨識
業主回覆: 畫面出現的都是目標, 待的時間長短也要記錄, 可能因其他生物的互動而停留的比較久; 提供影像資料及現有記錄資料做為參考, https://onedrive.live.com/?authkey=%21AL2750uBdGtsfmY&id=CA12337984A2965%2146946&cid=0CA12337984A2965
9. 可否說明資料標註檔案
業主回覆: xml, 專人標註,會陸續增加; 龍王鯛與隆頭鸚哥因為少見, 可能會更換
照片連結: https://drive.google.com/drive/folders/1r7TQKmcfkQnwYiw9utJlCnABOi67N74T

預期結果: 每小時出現在影片中的: 魚種/大小/數量/停留時間;

### 5/8 會議記錄
:::info
- **Link**:https://meet.google.com/utp-ffzz-gfe
- **Date:** 21:30 8 May 2022 (TST)
- **Participants:**
- 坤賢
- 詩欽
- 李承儒
- 周文靜
- 林士桓
- 柯冠廷
- 石若薇
- Kevin
- 林睿源
- 曾繁斌
- 美玲
- 嘉冠
- 顏嘉華
:::

珊瑚礁魚種

* YOLO
* 影片製作的 label 可以請業主幫忙確認嗎
* 一般的data augmenttation 用crop,或換顏色，試改改看像素值，白平來符合海中光線及水質改變

計畫書撰寫
* 星期四左右初稿完成，下星期一交出

屏東圖書館

消防降噪
* 計畫書撰寫星期二晚上 9:30 討論
* 畫頻譜： nnAudio
* mixing --> upsampling --> speech enhancement
* 建議以用真實人類聲音建模後，將無線電錄音檔混合後，在進行聲音頻率分離，達成無線電噪音移除