“We're believers that the best way to learn something is to do it.”

這幾天媒體報導了YOLOv4的相關新聞，提到其為中研院研究團隊與俄羅斯開發者所共同研發，而這全世界最快最準的物體偵測演算法，其平均準確率為43.5%，於是這43.5%的準確率迅速引來許多不明就裡的人留言批評。

終於有時間玩玩買來很久的learning kit。開發版種類繁多，但除了修課玩過Ti OMAP系列的PandaBoard、Devkit8000，也就自己買的樹莓派3B+了，

對DL初學者而言，最常用來測試的大概就是MNIST跟CIFAR-10這兩個數據集了。或許對大神們來說不過都是些玩具，但我認為CIFAR-10不只是個toy dataset，相較於MNIST那樣使用MLP就能輕易達到近乎99%辨識準確率的灰階影像，CIFAR-10不像”Hello World!”這麼容易吧？🤨

作者：Benjamin Graham
原文：https://arxiv.org/abs/1412.6071

看到火車站架設熱像儀監控旅客們的體溫，然而並非每個車站都能設置如此昂貴的儀器，出於好奇也想做個低成本的來看看，雖然解析度與精確度都比不上昂貴的精密儀器，但在近距離下能做到快速、自動偵測體溫的話，比起讓站務人員逐一量測後進站，這應該堪用且有效率多了。