chore(i18n): sync translations with latest source changes (chunk 8/8, 60 changes)

Author: skytin1004

translations/zh-TW/lessons/4-ComputerVision/10-GANs/StyleTransfer.ipynb

@@ -0,0 +1,179 @@
+# 物件偵測
+
+我們之前處理的影像分類模型，通常是輸入一張圖片並產生一個分類結果，例如在 MNIST 問題中得到「數字」這個類別。然而，在許多情況下，我們不僅僅想知道圖片中有物件存在，我們還希望能夠確定它們的精確位置。這正是**物件偵測**的目的。
+
+## [課前測驗](https://ff-quizzes.netlify.app/en/ai/quiz/21)
+
+![物件偵測](../../../../../translated_images/zh-TW/Screen_Shot_2016-11-17_at_11.14.54_AM.b4bb3769353287be.webp)
+
+> 圖片來源：[YOLO v2 網站](https://pjreddie.com/darknet/yolov2/)
+
+## 一個簡單的物件偵測方法
+
+假設我們想在一張圖片中找到一隻貓，一個非常簡單的物件偵測方法可能如下：
+
+1. 將圖片分割成多個小區塊。
+2. 對每個區塊進行影像分類。
+3. 對於分類結果有足夠高信心的區塊，可以認為包含目標物件。
+
+![簡單物件偵測](../../../../../translated_images/zh-TW/naive-detection.e7f1ba220ccd08c6.webp)
+
+> *圖片來源：[練習筆記本](ObjectDetection-TF.ipynb)*
+
+然而，這種方法並不理想，因為它只能非常粗略地定位物件的邊界框。為了更精確地定位，我們需要進行某種**回歸**來預測邊界框的座標，而這需要特定的數據集。
+
+## 用回歸進行物件偵測
+
+[這篇部落格文章](https://towardsdatascience.com/object-detection-with-neural-networks-a4e2c46b4491)提供了一個非常好的入門指南，介紹如何偵測形狀。
+
+## 物件偵測的數據集
+
+在進行物件偵測時，你可能會遇到以下數據集：
+
+* [PASCAL VOC](http://host.robots.ox.ac.uk/pascal/VOC/) - 包含 20 個類別
+* [COCO](http://cocodataset.org/#home) - 常見物件的上下文。包含 80 個類別、邊界框和分割遮罩
+
+![COCO](../../../../../translated_images/zh-TW/coco-examples.71bc60380fa6cceb.webp)
+
+## 物件偵測的評估指標
+
+### 交集比聯集 (Intersection over Union, IoU)
+
+在影像分類中，衡量算法表現相對簡單；但在物件偵測中，我們需要同時衡量類別的正確性以及推測邊界框位置的精確性。對於後者，我們使用所謂的**交集比聯集** (IoU)，它衡量兩個框（或任意兩個區域）的重疊程度。
+
+![IoU](../../../../../translated_images/zh-TW/iou_equation.9a4751d40fff4e11.webp)
+
+> *圖片來源：[這篇優秀的 IoU 部落格文章](https://pyimagesearch.com/2016/11/07/intersection-over-union-iou-for-object-detection/)*
+
+概念很簡單——將兩個圖形的交集面積除以它們的聯集面積。對於完全相同的區域，IoU 值為 1；而對於完全不相交的區域，IoU 值為 0。其他情況下，IoU 值介於 0 到 1 之間。我們通常只考慮 IoU 超過某個值的邊界框。
+
+### 平均精度 (Average Precision, AP)
+
+假設我們想衡量某個類別 $C$ 的物件被識別的效果。為了衡量這一點，我們使用**平均精度**指標，其計算方式如下：
+
+1. 考慮精度-召回曲線，顯示檢測閾值（從 0 到 1）對準確性的影響。
+2. 根據閾值，我們會在圖片中檢測到更多或更少的物件，並得到不同的精度和召回值。
+3. 曲線看起來如下：
+
+<img src="https://github.com/shwars/NeuroWorkshop/raw/master/images/ObjDetectionPrecisionRecall.png"/>
+
+> *圖片來源：[NeuroWorkshop](http://github.com/shwars/NeuroWorkshop)*
+
+給定類別 $C$ 的平均精度是該曲線下的面積。更精確地說，召回軸通常分為 10 部分，精度在所有這些點上取平均值：
+
+$$
+AP = {1\over11}\sum_{i=0}^{10}\mbox{Precision}(\mbox{Recall}={i\over10})
+$$
+
+### AP 和 IoU
+
+我們只考慮那些 IoU 超過某個值的檢測。例如，在 PASCAL VOC 數據集中，通常假設 $\mbox{IoU Threshold} = 0.5$，而在 COCO 中，AP 是針對不同的 $\mbox{IoU Threshold}$ 值進行測量的。
+
+<img src="https://github.com/shwars/NeuroWorkshop/raw/master/images/ObjDetectionPrecisionRecallIoU.png"/>
+
+> *圖片來源：[NeuroWorkshop](http://github.com/shwars/NeuroWorkshop)*
+
+### 平均平均精度 - mAP
+
+物件偵測的主要指標稱為**平均平均精度** (Mean Average Precision, mAP)。它是所有物件類別的平均精度，有時也包括不同的 $\mbox{IoU Threshold}$。更詳細的 mAP 計算過程可以參考
+[這篇部落格文章](https://medium.com/@timothycarlen/understanding-the-map-evaluation-metric-for-object-detection-a07fe6962cf3)，以及[這裡的程式碼範例](https://gist.github.com/tarlen5/008809c3decf19313de216b9208f3734)。
+
+## 不同的物件偵測方法
+
+物件偵測算法主要分為兩大類：
+
+* **區域提案網路** (Region Proposal Networks)（如 R-CNN、Fast R-CNN、Faster R-CNN）。主要思想是生成**感興趣區域** (ROI)，並對其進行 CNN 分析以尋找最大激活值。這與簡單方法有些相似，但 ROI 是以更聰明的方式生成的。這類方法的主要缺點是速度較慢，因為需要多次 CNN 分類器的運行。
+* **一次通過** (One-pass) 方法（如 YOLO、SSD、RetinaNet）。這些架構設計成一次性預測類別和 ROI。
+
+### R-CNN: 基於區域的 CNN
+
+[R-CNN](http://islab.ulsan.ac.kr/files/announcement/513/rcnn_pami.pdf) 使用[選擇性搜索](http://www.huppelen.nl/publications/selectiveSearchDraft.pdf)生成 ROI 區域的層次結構，然後通過 CNN 特徵提取器和 SVM 分類器來確定物件類別，並通過線性回歸確定*邊界框*座標。[官方論文](https://arxiv.org/pdf/1506.01497v1.pdf)
+
+![RCNN](../../../../../translated_images/zh-TW/rcnn1.cae407020dfb1d1f.webp)
+
+> *圖片來源：van de Sande et al. ICCV’11*
+
+![RCNN-1](../../../../../translated_images/zh-TW/rcnn2.2d9530bb83516484.webp)
+
+> *圖片來源：[這篇部落格](https://towardsdatascience.com/r-cnn-fast-r-cnn-faster-r-cnn-yolo-object-detection-algorithms-36d53571365e)*
+
+### F-RCNN - 快速 R-CNN
+
+這種方法與 R-CNN 類似，但區域是在卷積層應用後定義的。
+
+![FRCNN](../../../../../translated_images/zh-TW/f-rcnn.3cda6d9bb4188875.webp)
+
+> 圖片來源：[官方論文](https://www.cv-foundation.org/openaccess/content_iccv_2015/papers/Girshick_Fast_R-CNN_ICCV_2015_paper.pdf)，[arXiv](https://arxiv.org/pdf/1504.08083.pdf)，2015
+
+### Faster R-CNN
+
+這種方法的主要思想是使用神經網路來預測 ROI，即所謂的*區域提案網路* (Region Proposal Network)。[論文](https://arxiv.org/pdf/1506.01497.pdf)，2016
+
+![FasterRCNN](../../../../../translated_images/zh-TW/faster-rcnn.8d46c099b87ef30a.webp)
+
+> 圖片來源：[官方論文](https://arxiv.org/pdf/1506.01497.pdf)
+
+### R-FCN: 基於區域的全卷積網路
+
+這種算法比 Faster R-CNN 更快。主要思想如下：
+
+1. 使用 ResNet-101 提取特徵。
+2. 特徵通過**位置敏感分數圖** (Position-Sensitive Score Map) 處理。每個類別 $C$ 的物件被分成 $k\times k$ 區域，我們訓練模型來預測物件的部分。
+3. 對於 $k\times k$ 區域中的每個部分，所有網路對物件類別進行投票，選擇投票最多的物件類別。
+
+![r-fcn 圖片](../../../../../translated_images/zh-TW/r-fcn.13eb88158b99a3da.webp)
+
+> 圖片來源：[官方論文](https://arxiv.org/abs/1605.06409)
+
+### YOLO - You Only Look Once
+
+YOLO 是一種即時的一次通過算法。主要思想如下：
+
+ * 將圖片分成 $S\times S$ 區域。
+ * 對每個區域，**CNN** 預測 $n$ 個可能的物件、*邊界框*座標以及*信心值*=*概率* * IoU。
+
+ ![YOLO](../../../../../translated_images/zh-TW/yolo.a2648ec82ee8bb4e.webp)
+
+> 圖片來源：[官方論文](https://arxiv.org/abs/1506.02640)
+
+### 其他算法
+
+* RetinaNet: [官方論文](https://arxiv.org/abs/1708.02002)
+   - [PyTorch 實現](https://pytorch.org/vision/stable/_modules/torchvision/models/detection/retinanet.html)
+   - [Keras 實現](https://github.com/fizyr/keras-retinanet)
+   - [RetinaNet 物件偵測](https://keras.io/examples/vision/retinanet/) 在 Keras 範例中
+* SSD (單次檢測器): [官方論文](https://arxiv.org/abs/1512.02325)
+
+## ✍️ 練習：物件偵測
+
+繼續學習以下筆記本：
+
+[ObjectDetection.ipynb](ObjectDetection.ipynb)
+
+## 結論
+
+在這節課中，你快速瀏覽了各種物件偵測方法！
+
+## 🚀 挑戰
+
+閱讀以下文章和筆記本，並嘗試使用 YOLO：
+
+* [優秀的部落格文章](https://www.analyticsvidhya.com/blog/2018/12/practical-guide-object-detection-yolo-framewor-python/) 描述 YOLO
+ * [官方網站](https://pjreddie.com/darknet/yolo/)
+ * YOLO: [Keras 實現](https://github.com/experiencor/keras-yolo2)，[逐步筆記本](https://github.com/experiencor/basic-yolo-keras/blob/master/Yolo%20Step-by-Step.ipynb)
+ * YOLO v2: [Keras 實現](https://github.com/experiencor/keras-yolo2)，[逐步筆記本](https://github.com/experiencor/keras-yolo2/blob/master/Yolo%20Step-by-Step.ipynb)
+
+## [課後測驗](https://ff-quizzes.netlify.app/en/ai/quiz/22)
+
+## 回顧與自學
+
+* [物件偵測](https://tjmachinelearning.com/lectures/1718/obj/) 作者：Nikhil Sardana
+* [物件偵測算法的良好比較](https://lilianweng.github.io/lil-log/2018/12/27/object-detection-part-4.html)
+* [深度學習物件偵測算法回顧](https://medium.com/comet-app/review-of-deep-learning-algorithms-for-object-detection-c1f3d437b852)
+* [物件偵測算法的逐步介紹](https://www.analyticsvidhya.com/blog/2018/10/a-step-by-step-introduction-to-the-basic-object-detection-algorithms-part-1/)
+* [Python 中 Faster R-CNN 的物件偵測實現](https://www.analyticsvidhya.com/blog/2018/11/implementation-faster-r-cnn-python-object-detection/)
+
+## [作業：物件偵測](lab/README.md)
+
+---
+

translations/zh-TW/lessons/4-ComputerVision/10-GANs/StyleTransfer_Keras.ipynb

@@ -0,0 +1,66 @@
+# 使用 Hollywood Heads 資料集進行頭部檢測
+
+來自 [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners) 的實驗作業。
+
+## 任務
+
+在監控攝影機的影片流中計算人數是一項重要的任務，這可以幫助我們估算商店的訪客數量、餐廳的繁忙時段等。為了解決這個任務，我們需要能夠從不同角度檢測出人類的頭部。為了訓練能夠檢測人類頭部的物件檢測模型，我們可以使用 [Hollywood Heads 資料集](https://www.di.ens.fr/willow/research/headdetection/)。
+
+## 資料集
+
+[Hollywood Heads 資料集](https://www.di.ens.fr/willow/research/headdetection/release/HollywoodHeads.zip) 包含 369,846 個人類頭部的標註，這些標註來自 224,740 幅好萊塢電影的影格。該資料集以 [PASCAL VOC](https://host.robots.ox.ac.uk/pascal/VOC/) 格式提供，其中每張圖片都有一個對應的 XML 描述檔案，格式如下：
+
+```xml
+<annotation>
+	<folder>HollywoodHeads</folder>
+	<filename>mov_021_149390.jpeg</filename>
+	<source>
+		<database>HollywoodHeads 2015 Database</database>
+		<annotation>HollywoodHeads 2015</annotation>
+		<image>WILLOW</image>
+	</source>
+	<size>
+		<width>608</width>
+		<height>320</height>
+		<depth>3</depth>
+	</size>
+	<segmented>0</segmented>
+	<object>
+		<name>head</name>
+		<bndbox>
+			<xmin>201</xmin>
+			<ymin>1</ymin>
+			<xmax>480</xmax>
+			<ymax>263</ymax>
+		</bndbox>
+		<difficult>0</difficult>
+	</object>
+	<object>
+		<name>head</name>
+		<bndbox>
+			<xmin>3</xmin>
+			<ymin>4</ymin>
+			<xmax>241</xmax>
+			<ymax>285</ymax>
+		</bndbox>
+		<difficult>0</difficult>
+	</object>
+</annotation>
+```
+
+在這個資料集中，只有一種類別的物件 `head`，對於每個頭部，您可以獲取其邊界框的座標。您可以使用 Python 的相關函式庫來解析 XML，或者使用 [這個函式庫](https://pypi.org/project/pascal-voc/) 直接處理 PASCAL VOC 格式。
+
+## 訓練物件檢測模型
+
+您可以使用以下方法之一來訓練物件檢測模型：
+
+* 使用 [Azure Custom Vision](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/quickstarts/object-detection?tabs=visual-studio&WT.mc_id=academic-77998-cacaste) 和其 Python API，在雲端以程式化方式訓練模型。Custom Vision 無法使用超過幾百張圖片來訓練模型，因此您可能需要限制資料集的大小。
+* 使用 [Keras 教學範例](https://keras.io/examples/vision/retinanet/) 來訓練 RetunaNet 模型。
+* 使用 [torchvision.models.detection.RetinaNet](https://pytorch.org/vision/stable/_modules/torchvision/models/detection/retinanet.html) 中的內建模組進行訓練。
+
+## 重點
+
+物件檢測是業界中經常需要的任務。雖然有一些服務可以用來執行物件檢測（例如 [Azure Custom Vision](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/quickstarts/object-detection?tabs=visual-studio&WT.mc_id=academic-77998-cacaste)），但了解物件檢測的運作原理並能夠訓練自己的模型同樣重要。
+
+**免責聲明**：  
+本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。

translations/zh-TW/lessons/4-ComputerVision/11-ObjectDetection/ObjectDetection.ipynb

@@ -0,0 +1,69 @@
+# 分割
+
+我們之前學過物件偵測，它可以透過預測物件的*邊界框*來定位影像中的物件。然而，對於某些任務，我們不僅需要邊界框，還需要更精確的物件定位。這項任務被稱為**分割**。
+
+## [課前測驗](https://ff-quizzes.netlify.app/en/ai/quiz/23)
+
+分割可以被視為**像素分類**，即對影像中的**每個**像素進行分類，並預測其所屬的類別（*背景*也是其中一個類別）。主要有兩種分割算法：
+
+* **語義分割**僅告訴像素的類別，並不區分同一類別中的不同物件。
+* **實例分割**將類別分成不同的實例。
+
+例如，在實例分割中，這些羊是不同的物件；但在語義分割中，所有的羊都被表示為同一類別。
+
+<img src="../../../../../translated_images/zh-TW/instance_vs_semantic.eee9812bebf8cd45.webp" width="50%">
+
+> 圖片來源：[這篇部落格文章](https://nirmalamurali.medium.com/image-classification-vs-semantic-segmentation-vs-instance-segmentation-625c33a08d50)
+
+有許多不同的神經網路架構可用於分割，但它們的結構都相似。某種程度上，它類似於你之前學過的自編碼器，但我們的目標不是解構原始影像，而是解構一個**遮罩**。因此，分割網路包含以下部分：
+
+* **編碼器**：從輸入影像中提取特徵。
+* **解碼器**：將這些特徵轉換為**遮罩影像**，其大小與通道數與類別數相對應。
+
+<img src="../../../../../translated_images/zh-TW/segm.92442f2cb42ff4fa.webp" width="80%">
+
+> 圖片來源：[這篇出版物](https://arxiv.org/pdf/2001.05566.pdf)
+
+我們特別需要提到分割中使用的損失函數。在使用傳統自編碼器時，我們需要測量兩個影像之間的相似性，可以使用均方誤差（MSE）來完成。在分割中，目標遮罩影像中的每個像素代表類別編號（在第三維度上進行獨熱編碼），因此我們需要使用特定於分類的損失函數——交叉熵損失，並對所有像素進行平均。如果遮罩是二元的，則使用**二元交叉熵損失**（BCE）。
+
+> ✅ 獨熱編碼是一種將類別標籤編碼為向量的方法，其向量長度等於類別數。可以參考[這篇文章](https://datagy.io/sklearn-one-hot-encode/)了解這項技術。
+
+## 醫學影像中的分割
+
+在本課中，我們將通過訓練網路來識別醫學影像中的人類痣（也稱為痣），以實現分割。我們將使用<a href="https://www.fc.up.pt/addi/ph2%20database.html">PH<sup>2</sup>資料庫</a>的皮膚鏡影像作為影像來源。該資料集包含200張影像，分為三類：典型痣、不典型痣和黑色素瘤。所有影像也包含相應的**遮罩**，用於勾勒痣的輪廓。
+
+> ✅ 這項技術特別適合這類醫學影像，但你能想到其他現實世界中的應用嗎？
+
+<img alt="navi" src="../../../../../translated_images/zh-TW/navi.2f20b727910110ea.webp"/>
+
+> 圖片來源：PH<sup>2</sup>資料庫
+
+我們將訓練一個模型，將任何痣從背景中分割出來。
+
+## ✍️ 練習：語義分割
+
+打開以下筆記本，了解不同的語義分割架構，練習使用它們，並觀察它們的實際效果。
+
+* [語義分割 Pytorch](SemanticSegmentationPytorch.ipynb)
+* [語義分割 TensorFlow](SemanticSegmentationTF.ipynb)
+
+## [課後測驗](https://ff-quizzes.netlify.app/en/ai/quiz/24)
+
+## 結論
+
+分割是一種非常強大的影像分類技術，超越了邊界框，實現了像素級的分類。它在醫學影像等領域有著廣泛的應用。
+
+## 🚀 挑戰
+
+人體分割只是我們可以對人物影像進行的常見任務之一。其他重要任務包括**骨架偵測**和**姿勢偵測**。試試[OpenPose](https://github.com/CMU-Perceptual-Computing-Lab/openpose)庫，看看姿勢偵測的應用。
+
+## 回顧與自學
+
+這篇[維基百科文章](https://wikipedia.org/wiki/Image_segmentation)提供了該技術各種應用的良好概述。自行學習實例分割和全景分割在該領域的子領域。
+
+## [作業](lab/README.md)
+
+在本次實驗中，使用 [Segmentation Full Body MADS Dataset](https://www.kaggle.com/datasets/tapakah68/segmentation-full-body-mads-dataset) 資料集，嘗試進行**人體分割**。
+
+---
+