Đang tải nội dung…
LEARNDO / ĐỌC THEO LỘ TRÌNH
Mỗi ngày một bước, từ 2D đến 3D
Bắt đầu với lịch sử và ý tưởng, xây nền tảng, thực hành thị giác 2D, rồi đi vào hình học 3D và kiến thức chuyên sâu. Mỗi bài vẫn có ví dụ, bài tập và chuỗi đọc riêng.
Đây là lịch đọc từ 261 bài đang công khai, không phải ngày xuất bản. Ngày đăng gốc được giữ trên từng bài. Ngày cuối được cân đối để có 2–4 bài; thời gian dưới đây chưa tính thực hành.
87 ngày khám phá
Trang 6 / 13Ngày 36
3 bài · khoảng 59 phút đọc- Học sâu từ đầu · Trung cấp · 25 phútPyTorch: lớp mất cân bằng và chỉ số theo từng lớp
Bạn sẽ đánh giá riêng từng lớp khi dữ liệu có lớp nhiều, lớp ít. Ma trận nhầm lẫn giúp phát hiện những lỗi mà độ chính xác chung che khuất.
- Học sâu từ đầu · Trung cấp · 9 phútTransfer learning với PyTorch: dạy ResNet nhận hai loại lá
Bạn sẽ dùng kiến thức ResNet đã học để phân biệt hai loại lá. Bài hướng dẫn cách chuẩn bị ảnh, huấn luyện lớp đầu ra và thử mô hình với ảnh mới.
- Học sâu từ đầu · Trung cấp · 25 phútPyTorch: đóng băng mạng trích đặc trưng và fine-tune theo nhóm tham số
Bạn sẽ cố định một phần mạng rồi mở từng nhóm tham số để tinh chỉnh. Bài giúp bạn kiểm tra nhóm nào thực sự thay đổi khi huấn luyện.
Ngày 37
3 bài · khoảng 41 phút đọc- Học sâu từ đầu · Trung cấp · 25 phútPyTorch: tiếp tục huấn luyện từ bản lưu đúng trạng thái
Bạn sẽ lưu trạng thái huấn luyện rồi tiếp tục từ bản lưu. Ngoài trọng số, bộ tối ưu và nguồn ngẫu nhiên cũng ảnh hưởng đến bước học kế tiếp.
- Học sâu từ đầu · Trung cấp · 8 phútHai lớp đồng điểm ở ranh giới top-k: quy ước đánh giá phải rõ ràng
Tạo logits đồng điểm, tính hạng lạc quan và hạng bảo thủ rồi so với một quy tắc phá hòa cố định.
- Học sâu từ đầu · Trung cấp · 8 phútMột gói suy luận cần cả chuẩn hóa và bảng nhãn, không chỉ state_dict
Lưu một mô hình nhỏ cùng mean, std và thứ tự lớp, tải lại trong bộ nhớ rồi kiểm tra dự đoán được khôi phục đúng.
Ngày 38
3 bài · khoảng 64 phút đọc- Ứng dụng thị giác 2D · Trung cấp · 14 phútIoU và NMS: từ nhiều hộp dự đoán đến kết quả gọn, đúng
Một chiếc cốc có thể nhận nhiều hộp dự đoán. Bạn sẽ dùng IoU để đo mức chồng lấp và NMS để chọn lại các hộp theo từng lớp.
- Ứng dụng thị giác 2D · Trung cấp · 25 phútYOLO: từ tọa độ pixel đến nhãn chuẩn hóa
Bạn sẽ đổi hộp giới hạn từ tọa độ điểm ảnh sang dạng nhãn YOLO và đổi ngược lại. Kiểm tra hai chiều giúp phát hiện lỗi chuẩn hóa.
- Ứng dụng thị giác 2D · Trung cấp · 25 phútYOLO: kiểm tra nhãn trước khi huấn luyện
Bạn sẽ kiểm tra lớp, tọa độ và cặp ảnh–nhãn trước khi huấn luyện YOLO. Những lỗi nhỏ ở dữ liệu có thể làm mô hình học sai vị trí vật thể.
Ngày 39
3 bài · khoảng 58 phút đọc- Ứng dụng thị giác 2D · Trung cấp · 25 phútYOLO: letterbox và đưa hộp về ảnh gốc
Bạn sẽ thêm viền để đổi kích thước ảnh mà giữ tỷ lệ, rồi đưa hộp dự đoán về ảnh gốc. Bài làm rõ phần phóng ảnh và phần bù tọa độ.
- Ứng dụng thị giác 2D · Trung cấp · 25 phútYOLO: chạy dự đoán và xuất kết quả JSON
Bạn sẽ chạy YOLO trên ảnh và lưu kết quả vào JSON. Cấu trúc rõ ràng giúp dùng tiếp tên lớp, điểm tin cậy và tọa độ hộp.
- Ứng dụng thị giác 2D · Trung cấp · 8 phútFine-tune YOLO26: tìm cốc và chai trong ảnh của bạn
Bạn sẽ tinh chỉnh YOLO26 để tìm cốc và chai trong ảnh của mình. Bắt đầu từ nhãn dữ liệu, bạn huấn luyện mô hình rồi kiểm tra cả lỗi bỏ sót lẫn nhận nhầm.
Ngày 40
3 bài · khoảng 66 phút đọc- Ứng dụng thị giác 2D · Trung cấp · 25 phútYOLO: tự tính precision, recall và AP50
Bạn sẽ tự tính precision, recall và AP50 từ các hộp dự đoán nhỏ. Bài giúp bạn hiểu cách ghép dự đoán với nhãn và ảnh hưởng của thứ tự điểm số.
- Ứng dụng thị giác 2D · Trung cấp · 25 phútYOLO: chọn ngưỡng và lập sổ lỗi
Bạn sẽ thay ngưỡng tin cậy và ghi lại lỗi nhận nhầm, bỏ sót. So sánh từng loại lỗi giúp bạn chọn ngưỡng phù hợp với mục đích sử dụng.
- Ứng dụng thị giác 2D · Trung cấp · 16 phútPhân đoạn ảnh: hiểu mặt nạ, U-Net và cách đo đúng sai
Phân đoạn ảnh đánh dấu từng điểm ảnh thay vì chỉ vẽ hộp quanh vật thể. Bạn sẽ đọc mặt nạ, tìm hiểu U-Net và tính IoU, Dice bằng phép đếm.
Ngày 41
3 bài · khoảng 68 phút đọc- Ứng dụng thị giác 2D · Trung cấp · 18 phútPhân đoạn ảnh 1: kiểm tra mặt nạ và tự tính IoU, Dice
Bạn sẽ kiểm tra mặt nạ nhãn rồi tự đếm phần đúng, phần thừa và phần thiếu. Các con số này dẫn đến hai chỉ số IoU và Dice.
- Ứng dụng thị giác 2D · Trung cấp · 25 phútPhân đoạn ảnh: kiểm tra cặp ảnh và mặt nạ
Bạn sẽ kiểm tra từng cặp ảnh và mặt nạ trước khi học. Bài giúp phát hiện sai kích thước, sai mã lớp và nhãn không khớp ảnh.
- Ứng dụng thị giác 2D · Trung cấp · 25 phútPhân đoạn ảnh: biến đổi ảnh và mặt nạ cùng nhau
Bạn sẽ biến đổi ảnh và mặt nạ bằng cùng một phép xoay hoặc lật. Ví dụ giúp bạn giữ nhãn đúng vị trí và chọn cách nội suy phù hợp.
Ngày 42
3 bài · khoảng 78 phút đọc- Ứng dụng thị giác 2D · Trung cấp · 25 phútPhân đoạn ảnh: kết hợp BCE và Dice mất mát
Bạn sẽ so sánh hai cách tính mất mát BCE và Dice, rồi kết hợp chúng. Bài giúp bạn hiểu mỗi thành phần phản ứng thế nào với vùng vật thể nhỏ.
- Ứng dụng thị giác 2D · Trung cấp · 25 phútPhân đoạn ảnh: upsampling và kết nối tắt
Bạn sẽ thử các cách tăng độ phân giải và nối lại đặc trưng từ nhánh mã hóa. Kiểm tra kích thước giúp tránh lệch vùng khi ghép tensor.
- Ứng dụng thị giác 2D · Trung cấp · 28 phútPhân đoạn ảnh 6: Huấn luyện U-Net nhỏ với PyTorch
Bạn sẽ xây dựng một U-Net nhỏ bằng PyTorch và huấn luyện trên dữ liệu minh họa. Bài giúp bạn theo dõi kích thước ảnh qua nhánh thu nhỏ và nhánh khôi phục.