第四集：電腦視覺基礎任務（L2102 電腦視覺技術與應用）
今天我們的任務目標非常明確，就是要幫各位建立起電腦視覺最核心的基本概念。我們會一次搞懂它的常見任務，還有整個技術演進的脈絡，把這些基礎打好，你在考場上絕對能無往不利。好，我們直接進入課程重點吧。
那麼讓我們馬上切入正題。你想想看喔，當我們人類睜開眼睛，看懂眼前的世界是再自然不過的事了，對吧？但是，當一台冷冰冰的機器接收到一張圖片，其實對它來說，就只是一大堆密密麻麻的數字而已。那麼機器看到這張圖片，它到底要回答什麼問題？這就是整個電腦視覺要解決的核心挑戰：要讓程式碼真正看懂圖片，我們得先告訴它，你要解開的任務究竟是什麼。
首先呢，我們來給電腦視覺下一個最白話的定義。說穿了，電腦視覺就是讓機器能夠理解影像或是影片裡面的內容。這感覺就像是我們幫機器裝上了一雙敏銳的眼睛，同時還配備了一個會思考的視覺大腦，讓它可以去辨識物體、理解這是一個什麼樣的場景，甚至去分析畫面裡面的人物動作。這是一切高階應用的最底層基礎。
接下來我們進入 iPAS 考試裡面最常出現的五大任務。
第一關，也就是任務一，叫做影像分類。考試如果看到這種關鍵字，你要往哪個方向判斷呢？請各位牢記，影像分類的重點就在於「整張圖」，它回答的核心問題是：這整張影像的主要類別是什麼？比方說，這是一張貓的照片，還是一張狗的照片。它只管整張圖的大方向，並不需要去細究那隻貓或那隻狗具體在畫面的哪個角落，就是這麼直觀。
接著我們看任務二，物件偵測。這跟剛剛講的分類到底有什麼決定性的不同呢？大家想一下，物件偵測不但要知道圖裡面有什麼，更關鍵的是，它必須找出影像中物件的位置還有類別。在實務操作上，我們通常會在畫面上畫出一個又一個的邊界框，明確的標示出貓在這裡，或者是狗在那裡。所以只要考題裡面提到了「位置」還有「框出物件」，不要懷疑，那就是物件偵測。
好，接著我們來到稍微進階一點的任務三，影像分割。這個詞聽起來好像有點學術，對吧？其實一點都不難。用一句話說清楚，它就是把影像切成不同的區域或者是像素類別。你可以想像一下，你手上現在拿著一把極度精準的數位剪刀，沿著畫面裡面物體的輪廓，把像素一個一個完美的剪下來。這可比剛剛畫方塊還要細緻太多了，因為它已經深入到了像素等級的分類。
至於任務四和任務五，則是視覺定位以及行為分析。這些技術聽起來好像科幻電影才會出現，但其實早就已經深入你我的生活了。舉個例子，現在很紅的自動駕駛汽車，它需要非常精準的定位自己在車道三維空間中的位置；那智慧城市的監控系統，它需要去分析異常的交通或是人群行為。這兩個任務本質上，其實就是把我們前面學到的分類、偵測還有分割技術，極致的應用到真實世界的空間跟時間序列裡面。
好的，講了這麼多觀念，我們馬上來實戰演練一下。現在看到的是 iPAS 模擬測驗題的第一題，來檢測一下觀念，請仔細聽題目喔。
當系統需要在畫面中標示出所有行人的具體位置，並用方框將其框出時，這是屬於哪一種電腦視覺任務？來，給你三秒鐘的時間在心裡作答。3、2、1，時間到！正確答案是物件偵測，你答對了嗎？
這裡我要特別提醒大家一個考試非常常見的陷阱：很多人在考場上一緊張，就會把分類還有偵測給搞混了。記住 Stan 的陪跑心法：如果題目今天只問你這張圖裡面有沒有行人，那單純是分類；但我們剛剛這一題，題幹非常強調「具體位置」，而且還要用方框框出來。所以只要看到「尋找具體位置」，毫不猶豫選物件偵測就對了，千萬別踩進這個陷阱裡。
搞通了前面這些任務目標之後，我們來看看這些機器的視覺大腦到底是怎麼一步步變聰明的，回顧一下整個技術演進的脈絡。在早期的電腦視覺，科學家們必須自己辛苦的手動設計公式來找出特徵，這叫做手工特徵。接著到了中期，傳統機器學習出現了，機器開始能夠自己從數據裡面找出規律。到了現代，就是大家常常聽到的 CNN，還有深度學習大爆發的時代，這大大突破了以前的效能瓶頸。而現在一直到未來，我們正大步邁向擁有龐大知識的大型視覺基礎模型時代。
在這裡我們要特別聚焦一下那個真正改變遊戲規則的關鍵技術，也就是 CNN。什麼是 CNN 卷積神經網路呢？我用一句話簡單解釋：它其實就是一種深度學習的架構，特別擅長模仿我們人類的視覺，由淺入深，非常有效率的去辨識影像裡面的邊緣、形狀這些特徵。
CNN 跟深度學習，不僅大幅提升了最基本的影像分類準確率，它更是讓後續難度極高的物件偵測，甚至到超級複雜的語意分割跟實例分割，都變得高度精準，而且真正能夠落地應用。
趁著大家現在記憶猶新，讓我們再透過一道題目來鞏固一下，因為這可是考場上失分率極高的地方哦。來看 iPAS 模擬測驗題的第二題，關鍵字配對。題目是：哪一項技術的目標，是將影像切分至像素層級，以判斷每一個像素屬於哪一個具體類別？一樣給你三秒鐘鎖定你的答案。3、2、1，時間到！
所以最關鍵的一點是，只要你在考題裡面看到「像素」，或是它的英文 pixel，還有「區域層級」這幾個字，請立刻在你的腦海中連線到影像分割。你甚至完全不需要去猶豫其他的選項，這就是 iPAS 考試裡面最直接的關鍵字對應法則。在考場上只要抓對這種關鍵字，你的分數就能輕輕鬆鬆放進口袋裡。
好的，我們今天的單元也差不多進入尾聲了，為了確保大家都能把今天的心法完好無缺的帶上考場，我們來做個最強總結。畫面上的這三個必備關鍵字，請大家一定要牢牢刻在腦海裡喔：第一，問你「整張圖是什麼」，對應的就是影像分類；第二，要找出「位置在哪裡」，對應的就是物件偵測；第三，非常精細的切到「像素等級」，對應的就是影像分割。
只要掌握了這個核心邏輯，在電腦視覺基礎任務這一塊，你已經做好了萬全的準備，是不是覺得其實也沒那麼難？
恭喜你，今天又穩穩地拿下了 iPAS 考試裡一塊非常重要的拼圖。如果你覺得今天這種結構化、幫你抓重點的考點陪讀對你很有幫助的話，請務必訂閱、按讚，並分享我們的 iPAS 陪跑師頻道，讓更多戰友能夠跟你一起順利通關。
留言