本週要做的事
| 順序 | 內容 | 預估時間 |
|---|---|---|
| 1 | Ch.1 課程定位:ML Kit 在生產線的角色 | 10 min |
| 2 | Ch.2 ML Kit Vision 全景:9 大 API | 20 min |
| 3 | Ch.3 Face Detection 實作 | 15 min |
| 4 | Ch.4 Text Recognition (OCR) 實作 | 20 min |
| 5 | Ch.5 Barcode / QR Code Scanner | 10 min |
| 6 | Ch.6 Image Labeling 通用標籤 | 15 min |
| 7 | Ch.7 Object Detection & Tracking | 20 min |
| 8 | Ch.8 Pose Detection(33 點) | 15 min |
| 9 | Ch.9 on-device vs Cloud trade-off | 15 min |
| 10 | Ch.10 RPS with ML Kit + 五方法對比 | 25 min |
| 11 | Ch.11 研究級對比 + 作業 + W14 預告 | 10 min |
教材檔案
-
📂 W13_MLKit_Vision.pptx (原始檔)
核心投影片
61 張,11 章節。※ PPT 待轉 PDF 後可線上檢視 -
🌐 ML Kit 官方文件
外部連結
Google 官方 API 文件、code lab、範例專案。
ML Kit Vision 9 大 API
👁 Face Detection
臉部偵測 + landmark + 表情(笑、眨眼)
📝 Text Recognition (OCR)
多國語言文字辨識 + 區塊結構
📊 Barcode Scanner
QR code、EAN、UPC 等所有條碼
🏷️ Image Labeling
447 個通用標籤(可自訂 Custom)
📦 Object Detection
通用物件 + Tracking
🧍 Pose Detection
全身 33 點 landmark(比 MediaPipe 更多點)
✂️ Selfie Segmentation
人像分割(背景虛化、換背景)
🔍 Smart Reply
(非 Vision) 自動回覆建議
🌐 Translation
(非 Vision) 即時翻譯,on-device
on-device vs Cloud Trade-off
ML Kit 部分 API 有 on-device 與 Cloud 兩種模式:
| on-device | Cloud | |
|---|---|---|
| 網路 | 不需要 | 需要 |
| 速度 | 毫秒級 | 百毫秒+ 網路延遲 |
| 準確率 | 中 | 較高 |
| 隱私 | 影像不離手機 | 影像送到 Google |
| 成本 | 免費 | API 計費 |
| 適用 | 即時互動、隱私應用 | 批次處理、高品質離線分析 |
五範式做 RPS 最終對比 ⭐ Part III 收官
W9-W13 都做同一題,本週做完整套對比表:
| 週 | 範式 | 正確率 | FPS | 模型大小 | 開發成本 |
|---|---|---|---|---|---|
| W9 | 古典規則法 (HSV+凸缺陷) | 60-80% | 5-10 | 0 | 需手刻邏輯 |
| W10 | HoG+SVM | 80-90% | 15+ | 50 KB | 需訓練資料 |
| W10 | MobileNetV2 | 92-97% | 10+ | 9 MB | 需 GPU 訓練 |
| W11 | YOLO + Tracking | 90%+ | 15+ | 14 MB | 標 bbox 資料 |
| W12 | MediaPipe Hands | 95%+ | 30 | 免裝 (SDK) | 零訓練 |
| W13 | ML Kit Image Labeling | 視場景 | 30+ | 免裝 (SDK) | 零開發(直接用) |
學生帶走的洞察:沒有「最好的」工具,只有「對的工具」。看情境選:資源緊 → 古典 / 標榜 SOTA → YOLO / 要快 → MediaPipe / 要零開發 → ML Kit。
W13 作業
ML Kit 三 API 整合 + 五方法對照表。詳見作業頁。
- 選 ML Kit 3 個 API 整合進一個 App
- 其中至少一個用於 RPS
- 產出 W9-W13 五範式完整對照表(含正確率 / FPS / 模型大小)
- 30 秒影片 + 簡易報告
學生檢核表
- 我能列出 ML Kit Vision 9 大 API
- 我會用 Face Detection、OCR、Barcode 至少 3 個
- 我理解 on-device vs Cloud 的 5 個取捨維度
- 我能用 ML Kit 跑出 RPS
- 我能畫出 W9-W13 五範式對照表並解讀
- 我能對「選工具」的判斷邏輯說出個所以然
下週預告 (W14) ⭐ 結業講
五範式做完,W14 是結業講——從「會用工具」過渡到「能跟世界對話」:
- 整門課回顧 + CV 領域全景
- 2024-2026 CV 熱門研究方向
- 嵌入式 CV 的研究軸線
- 怎麼讀 paper + 怎麼啟動研究
- 頂級會議與開源生態