此 APP是將一張低解析度(Low Resolution)的影像，利用 SRGAN 生成一張高解析度 (High Resolution)，提高影像的解析度。

CycleGAN 是發表在 ICCV2017 image-to-image translation 的著名演算法，最大特點為不要求訓練數據要成對，只需要提供不同 domain 的影像就能成功訓練不同 domain 之間的影像轉換。 可應用於語義標籤的街道轉換成寫實影像、衛星影像轉換成地圖影像、將場景從白天轉換成夜晚。

繼承 FasterRCNN 的演算法 - MaskRCNN，對原有的架構進行改 良，增加了 Semantic Segmentation 的部分，可對物體進行分割、 檢出、分類，是相當經典的 Segmentation 演算法。

YOLO Darknet 的維護者俄羅斯人 Alexey Bochkovskiy 發現中研院資科所博後王建堯及所長廖弘源研發的 CSPNet detector 又快又好，於是邀請中研院資科所以此為 backbone 發展 YOLOv4 ，對上一代 YOLOv3 做了各個部分改進，能維持一定檢測速度外，還大幅提升檢測精度，降低硬體的使用量。將 YOLOv4 整合成 APP 後，更利於大家快速使用。

傳統演算法優先，影像分類，可解釋性，物件偵測，語意分割，物件分割，異常檢測，學好樣本，雙網路檢測。

馬變成斑馬，斑馬變成馬。夏天變冬天，冬天變夏天。照片變油畫，油畫變照片。整張照片風格變換效果較好，例如：照片變油畫，油畫變照片。部分照片風格變換效果較差，例如：馬變成斑馬，斑馬變成馬。將風格變換對象放大佔整張照片的50%以上甚至滿版，背景單純，效果才會好。

可解釋性, 影像分類, 物件偵測, 語意分割, 物件分割, 人臉辨識, 姿態辨識, 車牌辨識

YOLOv4 的前身，透過優化 CNN 架構，降低20％運算量，但是精度維持不變。

適用於車流計數、人流計數

使用初步訓練好的模型，標註新的訓練影像，節省時間。

使用 OpenCV 進行傳統類比錶頭影像辨識。

適用於影像分割演算法的標註。

廣泛應用於醫療影像分析、生物影像分析、自駕車影像分析、瑕疵檢測等。

影像資料擴增的方法主要有旋轉、平移、翻轉、縮放、伸展、斜體、彈性皺摺等方法，但須注意合理性。

號稱比 Mask R-CNN 快3倍，但是準確度略低。

Transformer 是一種新的深度學習網路架構，在序列性任務的表現特別好，常用於自然語言處理（NLP）、語音辨識等領域。臉書最近發表的影像辨識模型 DETR ，特別採用 Transformer 架構應用在物件偵測上。

影像拼接是指將兩張有重疊部分的影像，拼接成一張圖。影像拼接有兩大步驟：影像對準和影像混合。相關的應用有：全景圖製作及影像穩定等。

Barcode 及 QR code是應用最廣泛的影像分析演算法，普遍應用在文件管制、商品進出貨紀錄、商店結帳、手機付款等。

目前正確率最高的物件偵測演算法，可以應用在工廠瑕疵檢測、醫療影像分析、生物影像分析、工安影像分析、口罩影像分析等。

可以應用在門禁系統、安全監控等。

可以應用在工廠瑕疵檢測、醫療影像分析、生物影像分析、工安影像分析、口罩影像分析等。

可以應用在工廠瑕疵檢測、醫療影像分析、魚類影像分析、生物影像分析、先進駕駛輔助系統、自動駕駛車等。

labelImg 是一個用於深度學習影像標記 (annotation) 的軟體，標記會以 XML (PASCAL VOC format) 格式儲存。

MobileNetV1, MobileNetV1+SSD300, YOLOv3, Mask R-CNN

影像分類 AlexNet 使用方法介紹

我的影像樣本有一百萬張要如何訓練？如何避免 over fitting？案例分享，如何做到無 Underkill、無 Overkill？說到底， AI 是賺錢工具！人不會被 AI 取代 但是 不懂 AI 的人會被懂得用 AI 的人取代

使用深度學習，分析 Live 影像及預測股價。

用 Caffe 深度學習框架、 SSD 演算法分析 PCB 電路板的影像。用 labelImg 標註影像。

深度學習簡介、使用 TensorFlow 進行影像分析、使用 OpenR8 進行影像分析