歡迎來到社群計算機視覺課程

親愛的學習者，

歡迎來到這個**社群驅動的計算機視覺課程**。計算機視覺正在以多種方式革新我們的世界，從透過面部識別解鎖手機到分析醫學影像以檢測疾病、監測野生動物以及建立新影像。我們將一起深入探索計算機視覺的迷人世界！

在本課程中，我們將涵蓋從基礎知識到計算機視覺最新進展的所有內容。它的結構旨在包含各種基礎主題，使其對每個人都友好和易於理解。我們很高興您加入我們，踏上這段激動人心的旅程！

在此頁面上，您可以找到如何加入學習者社群、提交作業並獲得證書以及有關課程的更多詳細資訊！

作業 📄

要獲得課程結業證書，請完成以下作業：

訓練/微調模型
構建應用程式並將其託管在 Hugging Face Spaces 上

訓練/微調模型

在“筆記本/視覺Transformer”部分有筆記本。目前，我們有用於目標檢測、影像分割和影像分類的筆記本。您可以在 Hugging Face Hub 上已有的資料集上訓練模型，或者將資料集上傳到資料集儲存庫並在其上訓練模型。

模型儲存庫需要包含以下內容：

一個正確填充的模型卡片，您可以在此處檢視更多資訊。
如果您使用 transformers 訓練了一個模型並將其推送到 Hub，則會自動生成模型卡。在這種情況下，請編輯卡片並填寫更多詳細資訊。
將資料集的 ID 新增到模型卡中，以將模型儲存庫連結到資料集儲存庫。

建立 Space

在本作業部分，您將為您的計算機視覺模型構建一個基於 Gradio 的應用程式，並在 Hugging Face Spaces 上分享。使用以下資源瞭解更多關於這些任務的資訊：

認證 🥇

完成作業——訓練/微調模型和建立空間——後，請填寫此表格，填寫您的姓名、電子郵件以及模型和空間倉庫的連結，以獲取您的證書。

加入社群！

我們邀請您加入我們活躍且支援的 Discord 社群，那裡每天都有精彩的對話和共同的興趣蓬勃發展，也是本課程的起點。您將找到可以交流想法和資源的同伴。這是您協作、獲取反饋和提問的來源！

這也是激勵自己堅持課程的好方法。加入我們的社群是保持積極性的一種絕佳方式。誰知道我們接下來會一起創造什麼呢？

隨著人工智慧的不斷發展，我們社群的討論質量和觀點多樣性也在不斷提高。成為會員後，您將有機會與同學建立聯絡，交流思想，並與他人合作。此外，本課程的貢獻者在 Discord 上也很活躍，並在您需要時提供幫助。現在就加入我們吧！

計算機視覺頻道

在我們的 Discord 伺服器上，有許多專注於各種主題的頻道。您會發現人們討論論文、組織活動、分享他們的專案和想法、集思廣益等等。

作為計算機視覺課程的學習者，您可能會發現以下頻道特別相關：

#computer-vision: 涵蓋所有計算機視覺相關內容的通用頻道
#cv-study-group: 交流想法、提問特定帖子並開始討論的地方
#3d: 討論與 3D 計算機視覺相關的計算機視覺方面內容的頻道

如果您對生成式人工智慧感興趣，我們也邀請您加入所有與擴散模型相關的頻道：#core-announcements、#discussions、#dev-discussions 和 #diff-i-made-this。

您將學到什麼

本課程由理論、實踐教程和引人入勝的挑戰組成。

理論部分：本節涵蓋計算機視覺的理論原理，並結合實際示例進行詳細解釋。
動手教程：您將學習如何使用 Google Colab 筆記本訓練和應用關鍵的計算機視覺模型。

在本課程中，我們將涵蓋從基礎知識到計算機視覺最新進展的所有內容。它的結構旨在包含各種基礎主題，讓您全面瞭解計算機視覺在當今為何如此重要。

先決條件

在開始本課程之前，請確保您具有一些 Python 程式設計經驗，並且熟悉 Transformer、機器學習和神經網路。如果這些對您來說是新概念，請考慮回顧Hugging Face 自然語言處理課程的第一單元。雖然對預處理技術和卷積等數學運算有紮實的瞭解是有益的，但它們並非先決條件。

課程結構

本課程分為多個單元，涵蓋了基礎知識並深入探討了最先進的模型。

單元 1 - 計算機視覺基礎：本單元涵蓋了計算機視覺入門的基本概念：計算機視覺的必要性、該領域的基礎知識及其應用。探索影像基礎、影像形成和預處理，以及特徵提取的關鍵方面。
單元 2 - 卷積神經網路 (CNN)：深入探索 CNN 的世界，理解其通用架構、關鍵概念和常見的預訓練模型。學習如何應用遷移學習和微調來使 CNN 適應各種任務。
單元 3 - 視覺 Transformer：探索 Transformer 架構在計算機視覺中的應用，並瞭解它們與 CNN 的比較。理解常見的視覺 Transformer，如 Swin、DETR 和 CVT，以及遷移學習和微調技術。
單元 4 - 多模態模型：透過探索影像到文字和文字到影像等多模態任務，理解文字和視覺的融合。研究 CLIP 及其相關模型（GroupViT、BLIPM、Owl-VIT），並掌握多模態任務的遷移學習技術。
單元 5 - 生成模型：探索生成模型，包括 GAN、VAE 和擴散模型。瞭解它們在文字到影像、影像到影像和影像修復等任務中的區別和應用。
單元 6 - 基本計算機視覺任務：涵蓋影像分類、目標檢測和分割等基本任務及其使用的模型（YOLO、SAM）。深入瞭解這些任務的指標和實際應用。
單元 7 - 影片和影片處理：探討影片的特點、影片處理的作用以及與影像處理相比的挑戰。探索時間連續性、運動估計和影片處理中的實際應用。
單元 8 - 3D 視覺、場景渲染和重建：深入探討三維視覺的複雜性，探索 Nerf 和 GQN 等場景渲染和重建概念。瞭解 3D 視覺在計算機視覺中的挑戰和應用，以及它如何提供更全面的空間資訊。
單元 9 - 模型最佳化：探索模型最佳化的關鍵方面。涵蓋模型壓縮、部署考慮以及工具和框架的使用等技術。包括蒸餾、剪枝和 TinyML 等主題，以實現高效的模型部署。
單元 10 - 合成數據建立：瞭解使用深度生成模型建立合成數據的重要性。探索點雲和擴散模型等方法，並研究主要的合成數據集及其在計算機視覺中的應用。
單元 11 - 零樣本計算機視覺：深入探討計算機視覺中的零樣本學習領域，涵蓋泛化、遷移學習及其在零樣本識別和影像分割等任務中的應用。探索零樣本學習與跨各種計算機視覺領域的遷移學習之間的關係。
單元 12 - 計算機視覺中的倫理和偏見：理解計算機視覺特有的倫理考量。探索為什麼倫理很重要，偏見如何滲透到 AI 模型中，以及這些領域中普遍存在的偏見型別。學習如何進行偏見評估和緩解策略，強調負責任的 AI 技術開發和部署。
單元 13 - 展望與新興趨勢：探索當前趨勢和新興架構。深入研究創新方法，如 Retentive Network、Hiera、Hyena、I-JEPA 和 Retention Vision Models。