自評與心得
自我評估與心得感想
當初選擇教授與感興趣的主題時，我查閱了許多學長姐的研究內容，對於影像辨識留下了深刻的印象。
「影像辨識」這四個字的表面意義非常簡單明瞭，能夠直接聯想到辨識圖片中的目標物。雖然還對其中的運作完全不了解，但當下卻直接點燃了我的興趣，讓我也想要能夠自己辨識所想要的目標。
此外，影像辨識領域的發展是當今的趨勢，我希望通過實作逐步深入了解這個領域。也因此，影像辨識成為了我的首選。
加入教授的團隊後，教授帶領我們初步踏入這個領域。教授讓我們先了解了人工智慧中的CNN模型，建立了基本概念後，逐步深入學習其他相關知識並進行實作。當在真正接觸到YOLO模型時，我們先了解了它的底層運作模式，再學習如何運用它。在訓練和測試過程中，我們都在不同階段遇到了各種困難。
儘管有些問題對我來說非常艱難，可能需要花費數天的時間去解決，但當結果一步步接近預期答案時，所獲得的雀躍感是無法言喻的，這讓我享受其中。
在這一年中，我學到了許多關於影像辨識的原理和應用，很感謝教授和組員的幫助讓我能夠到目前為止所進行實驗還算順遂，也希望在未來能夠持續保持我的熱忱面對往後實驗可能面臨的困境。
ㄧ楊苡蓁
時光飛逝，轉眼間專題製作已逾一年。回首過往，我認為提早投入專題算是個明智的決定。
專題製作過程中，從周旋在題目的選定、模型建不起來，到已經完成了大半的實驗進度，一路走來或許有些荊棘載途，但也因此累積了紮實的AI影像辨識專業知識，並磨練了解決問題與時間管理的能力。在專題製作過程中遇到比較印象深刻的困難是，初期由於對模型建立所儲備的知識較為淺薄，因此從建立到能夠正常運作足足花費了很長的時間，而模型建成後，初期訓練出來的數據也不甚理想。好在經過多方調整參數及偉大的搜尋引擎，與組員的協力及教授給的建議後，這些困難才得以解決。
這一年多，除了知識方面的培養外，團隊合作是這一年多來的另一大收穫。起初，我們三人在溝通、技術與資料整理方面顯得稚嫩，但隨著磨合，我們逐漸能夠快速分配實驗分工、有效交流知識。她們兩人更是經常主動協助，我認為這是很值得學習的特質。我很感謝她們兩位一直以來的合作與幫助，也特別感謝教授在每周開會時，都能協助我們找出我們找不到的癥結點，並提供我們改進的方向與問題解決的建議，這令我們領受良多。
展望未來，我期許自己能在實驗中取得理想成果，並在人工智慧與影像辨識領域持續精進，以建構更完整的知識體系。
| 蘇文馨
學校的正規專題製作時間是大三下才開始，而我們在大三上就決定去找教授接著就開始做了。一開始，因為提早開始製作專題，所以時間跟進度就比較不那麼緊湊，難易度也是覺得還可以負荷的來。第一次接觸到影像辨識，其實覺得很新奇，AI的發展竟然已經這麼得厲害了。
在一開始，教授用循序漸進的方式，讓我們慢慢去了解機器的深度學習，跟一些之後可能會用到的程式訓練，接著就開始利用YOLO V7的訓練，雖然很多東西是第一次接觸，像是YOLO的建置跟GOOGLE COLAB 的了解與環境的操作，中間過程中，還有因為對資料集分配上的認知不夠，導致前面部分訓練的結果無法做參考，前面的資料量也比較少，後面還有再多獲取更多照片，然而資料量的增加就會導致在GOOGLE提供的虛擬環境，達到用量上限，而我們就針對這個問題，再去做調整，第一個就是將訓練移到實驗室，第二個就是撰寫程式碼，將最後的模型儲存到我們自己本身的GOOGLE雲端，這樣就不會因為斷線丟失資料，然後要重新跑訓練。過程中，學習到很多新的知識，也獲得一些新的技能。希望我們在結束之前能提升我們模型的準確度。
專題製作的時候，也有意識到團隊分工，溝通協調的重要性，且過程中因為我們都算是第一次接觸模型的訓練很多時候還是也不太熟悉，除了自己慢慢摸索外，我覺得我的另外兩位同學也都會很不吝嗇地將它們所查到的資料分享給我，讓整個專題進行得還算順利。
| 藺宇昕
