Our Recent Advances and Experiences on Deep Learning for Computer Vision
從中研院到台大電機的王鈺強教授，專攻電腦視覺，與業界合作經驗豐富。不過著重的議題－遷移學習（Transfer Learning）已在其他課程提過，就沒有這麼驚艷，倒是最後的冤獄案頗讓人耳目一新。
在圖像辨識領域，已經可以看出下圖有幾個人、這些人在幹嘛以及有人站在體重計上，不過，比較困難、需要高階理解力的問題還是需要努力，如照片在哪照的、為什麼這張照片好笑等。
為什麼需要挑戰這麼難的問題？其中一個應用，是讓廣告置入與投放，可以在影片或內容對的時間點，投給正確的受眾。以Youtube廣告為例，雖然有自動內容審查機制暴力，但還是有不少廣告主的影片被放到仇恨影片中，引起不少廣告主開始抵制Google廣告。因此，如果可以讓電腦看懂影片是不當內容，進而避免投放廣告，將是多大的市場！
現在的影像辨識應用很廣，大家也多半都很熟悉，如各種生物辨識、OCR、運動賽事輔助、AR/VR、Style Transfer、自駕車、機器人等等。
遷移學習（Transfer Learning）的基本概念是透過某領域資料訓練的模型，應用到另一個相似領域應用。如文字的翻譯，可先訓練西歐語系的翻譯，接著再應用在中文並進行調教，或是書評機器人跑去練習影評，自駕車的模型先在GT（電腦賽車遊戲）中訓練。
最後王分享近期的幾個研究。一是如FaceApp一樣，可以創造原本不存在的表情、年紀甚至性別！
另外，許多第一人視角影片（如GoPro）時間都很長，如何快速進行影片重點摘要（Summarization），並Highlight出精彩片段，也是熱門議題。
機器自己學會修圖、補足監視器影像光線不足的問題、紅外線光模式轉換成正常日光、舊影片修復、缺漏影片段落預測等等，都是近期多所著墨之處。
而整場分享最酷的，應該是冤獄案的協助（詳細報導如下）。王提到利用平面的照片，轉呈人臉的3D模型，進而計算嫌疑犯與模糊監視器中是否為同一人的機率（結果7成不是它）。
