一、CV 五大任務怎麼選？
任務類型 | 快速記憶 | 常見應用 | 核心重點 |
影像分類 (Image Classification) | 這張圖「是」什麼？ | 商品歸類、醫療影像初步判斷 | 只給全圖一張標籤（Label） |
物件偵測 (Object Detection) | 東西「在哪裡」？ | 車牌辨識、工廠局部瑕疵定位 | 輸出類別 ＋ 邊界框（Bounding Box） |
語意分割 (Semantic Segmentation) | 畫出「類別」的輪廓 | 自駕車街景理解（道路/天空/行人） | 不分個體，畫面上所有單車都是同一個顏色 |
實例分割 (Instance Segmentation) | 畫出「每一個體」的輪廓 | 多目標辨識、精密零件自動組裝 | 能精確區分單車1號與單車2號 |
影像生成 (Image Generation) | 憑空「創造」或「轉換」影像 | 設計輔助、虛擬資料擴增 | 結合多模態與擴散模型 (Diffusion Models) |
🥊 易混淆概念與差異分析
易混淆一：語意分割 vs. 實例分割
- 差異在哪裡：
- 語意分割：只管「類別」，不管「個體」。畫面上如果有三台單車，它只會把這三個區塊全部塗成代表「單車」的同一種顏色。
- 實例分割：不僅要分「類別」，還要切分「個體」。它能精確標示出單車 1 號、單車 2 號、單車 3 號（通常結合像素遮罩與實例 ID）。
- 規劃視角：如果在規劃精密機械的自動化組裝防呆系統時，需要確認畫面上「每一個」獨立的螺絲或齒輪是否都安裝到位，就必須使用實例分割。
易混淆二：影像分類 vs. 物件偵測
- 差異在哪裡：
- 影像分類：回答「這張圖是什麼？」（輸出單一或多個類別標籤）。
- 物件偵測：不僅回答「是什麼」，還要回答「在哪裡？」（輸出類別，外加 Bounding Box 座標）。
- 規劃視角：判斷工廠傳送帶上的產品整體是良品還是瑕疵品，用影像分類；如果要精確框出瑕疵發生在產品的哪個局部位置，則用物件偵測。
二、演算法進化史
- CNN：可以自動提取特徵，解決了人工特徵提取的痛點。
- YOLO：速度快，強調即時性（適合邊緣運算）。
- ResNet：導入「殘差結構」，解決深層網路梯度消失。
- ViT (Vision Transformer)： 引進了 NLP 的 Transformer 架構來處理影像。
- CLIP：多模態的王者，實現了圖文跨模態理解。
三、關鍵名詞與評估指標
1. 模型評分怎麼看？
- IOU (Intersection over Union)： 交集除以聯集。判斷「預測框」與「真實標註框」重疊程度的標準。通常大於 0.5 算及格。數值越接近 1，代表越準！
- Top-5 Error： 多分類任務專用。只要真實答案落在模型預測機率最高的前五名內，就算答對。
2. 資料前處理不能省！
- 資料擴增 (Data Augmentation)：透過翻轉、旋轉、裁切等方式增加資料多樣性。目的：對抗過擬合（Overfitting），提升模型的泛化能力。
3. 最強分割模型
- SAM (Segment Anything Model)： Meta 推出的強大零樣本（Zero-shot）影像分割模型，強調普適性。
四、實務落地的三大風險
- 邊緣運算 (Edge Computing) 的硬體限制
● 常見誤解：把精度最高、最龐大的模型直接塞進廠房的監視器裡。
● 正確觀念：邊緣設備資源有限，實務上通常需要在「準確度」、「延遲」與「資源消耗」之間取得平衡，並採用較輕量化或經過最佳化的模型（例如 YOLO 的輕量版本、MobileNet 等）。 - 資料漂移 (Data Drift)
● 常見風險：模型剛上線很準，幾個月後準確度下降。因為產線燈管老化、攝影機角度偏移，導致輸入資料的特徵變了。
● 應對策略：導入 MLOps 持續監控影像品質與模型效能。 - 偏見 (Bias) 與隱私法規
● 常見風險：訓練資料不平衡（例如某種膚色資料太少）導致誤檢率飆高。未經同意收集人臉違反 GDPR 等個資法。
● 應對策略：使用臉部模糊化（去識別化）、確保資料集族群分佈平衡。
透過預備 iPAS AI 應用規劃師 (中級) 考試，加強 AI 知識。
※ 內容參考 iPAS 官方學習指引，由 AI 整理產製
