Chặng 12: Detection / Segmentation / Anomaly Detection

Bài học theo thứ tự

Học lần lượt từ trên xuống. Làm hết bài tập trong mỗi bài, đánh dấu đã học để theo dõi tiến độ.

1. 1

   Object Detection với YOLO26

   Chuẩn bị dữ liệu định dạng YOLO · Huấn luyện, kiểm tra, dự đoán · Xuất mô hình

   Bài học~120 phút
   Đã học bài 1
2. 2

   IoU, mAP: đánh giá Object Detection

   Hiểu IoU, precision, recall theo ngưỡng · Đọc mAP50 và mAP50-95 · Chẩn đoán mô hình từ chỉ số

   Bài học~60 phút
   Đã học bài 2
3. 3

   Từ R-CNN đến Faster R-CNN

   Hiểu bounding box regression và RoI Pooling · Hiểu anchor và Region Proposal Network · Fine-tune Faster R-CNN với torchvision

   Bài học~105 phút
   Đã học bài 3
4. 4

   Phân đoạn ảnh: semantic, instance, panoptic

   Phân biệt ba loại phân đoạn · Biết khi nào cần phân đoạn thay vì phát hiện · Biết các mô hình phổ biến

   Bài học~45 phút
   Đã học bài 4
5. 5

   Phân đoạn vết lỗi với YOLO26-seg

   Gán nhãn đa giác · Huấn luyện instance segmentation · Đo kích thước vết lỗi theo mm

   Bài học~90 phút
   Đã học bài 5
6. 6

   U-Net cho phân đoạn ảnh

   Hiểu encoder – decoder, skip connection · Cài U-Net nhỏ bằng PyTorch · Dùng Dice loss cho vùng lỗi nhỏ

   Bài học~90 phút
   Đã học bài 6
7. 7

   Anomaly detection: học từ ảnh OK với PaDiM, PatchCore

   Hiểu ý tưởng học từ ảnh bình thường · Phân biệt PaDiM và PatchCore · Biết khi nào nên dùng anomaly detection

   Bài học~75 phút
   Đã học bài 7
8. 8

   Dự án chặng 12: phát hiện lỗi bề mặt bằng PatchCore

   Huấn luyện chỉ với ảnh OK · Chọn ngưỡng điểm bất thường · Hiển thị bản đồ nhiệt vùng lỗi

   Dự án~150 phút
   Đã học bài 8