1.影象分類：卷積神經網路CNN

1. 影象分類概念
   首先，影象分類是解決是什麼的問題？
   如下圖，給定一幅圖片，網路能夠給出“最像”什麼的概率：
   

2. 影象分類使用的技術

   •卷積神經網路CNN
   它是計算機視覺中的基礎網路,有監督深度模型時代的起點
   AlexNet，VGG，GoogLeNet，ResNet，ResNeXt
   • GoogLeNet
   Inception V1 -> V2 -> V3 -> V4
   Inception ResNet V1 -> V2
   • 結構趨勢
   更深(Depth):8層 -> 1000+層
   更寬(Width):1分支 -> 4+分支
   更多基數(Cardinality ):1 -> 32

2.影象檢測：區域卷積神經網路R-CNN

1. 影象（目標）檢測的概念
   首先，什麼是目標檢測？
   

2. 影象檢測使用的技術
   •區域卷積神經網路R-CNN
   讓基礎網路具備區域輸出能力
   第1階段:R-CNN -> SPP-Net -> Fast/Faster R-CNN
   第2階段:YOLO -> SSD -> R-FCN
   •目的
   檢測更快、更準確
   • 工業應用
   智慧監控
   輔助駕駛

3.影象分割：全卷積神經網路FCN

1. 影象分割的概念
   首先，什麼是影象分割？
   
2. 影象分割使用的技術
   • 全卷積神經網路FCN
   讓基礎網路做畫素輸出
   
   FCN -> SegNet/DeconvNet -> DeepLab
   • 目的
   語義推斷
   分割更精確
   • 工業應用
   輔助駕駛

4.影象描述&影象問答：迭代神經網路RNN

1. 影象描述&影象問答的概念
   首先什麼是影象描述&影象問答？
   
   • 視覺&語言
   圖片描述 (Captioning)
   圖片問答(Question Answering)
   • Caption（圖片生成說明）
   一個人在用自動駕駛系統開車
   • QA（圖片生成問答）
   Q:這個人為什麼雙手離開了方向盤
   A:因為他啟動了無人駕駛功能

2. 影象描述&影象問答所用到的技術
   •遞迴神經網路RNN
   具有記憶功能,構建不定長序列資料的模型
   Vanilla RNN -> LSTM -> GRU
   • 應用範圍
   文字序列
   區域序列
   視訊序列
   • 研究問題
   圖片描述、問答

5.影象生成：生成對抗網路GAN

1. 影象生成的概念
   首先，什麼是影象生成？
   
2. 影象生成所用到的技術
   • 生成對抗網路GAN
   • 網路結構
   生成器網路( Generator )
   判別器網路( Discriminator )
   • 網路路線
   無監督:GAN -> DCGAN -> wGAN
   有監督:SRGAN、SalGAN 、RLA
   • 應用範圍:
   樣本資料分佈(生成)學習
   半監督問題的資料增強
   有監督問題的優化(Dynamic loss)