各位先進好，
小弟專題想做個紅綠燈的即時影像辨識，
對我來說影像辨識完全是新領域(ML懂個大概)，
找到的工具是TensorFlow Object Detection API，
在安裝好環境後順利執行了裡面一支辨識狗狗的程式。
接著問題就來了....
我們完全不知道該怎麼進行下去...
就我所理解的這個Repo(tensorflow/models)裡是一些已經train過的model，
照理來說要先學會train我們所需要圖像的方法，
但是已經過了幾天仍然沒進展，因此想知道該如何學習才能快速地掌握呢?
或是我們應該從基礎的原理慢慢搞懂再來實作?
我是習慣從基礎開始學習的人，
但因為MEETING的壓力必須趕快做出東西，讓我好苦惱阿

找會的人教你最快

要嘛懂多少報多少，不然請公司送你去上課再回來報告。重點是方法。自己只拿檔案庫來研究很難搞出什麼東西。你今又不是要寫一支功能跟 TensorFlow 很像的程式。不懂方法只是摸索那套工具真的很難有效果。再強調一次，重點是 ML 的原理和方法，工具是次要的。既然任務就是學習，那就修課、上網路課程、問老師同學

1. 先去看api training的範例，確認資料需求格式是怎樣2. 去找標記工具，自己抓資料下來標記或找現成的3. training + testing基本上tf api寫的很完整了，如果你想要了解的是物體辨識運作原理，那請你去看paper(ssd,yolo)，如果你想快速實作，就把這個api整體使用流程步驟摸熟

udemy有堂openCV的課 先去看一看學會怎麼用python操作圖片 ML直接抄現成的模型

看paper 看他們release的code

看paper跟他們釋放出來的code，但紅綠燈即時影像辨識不用DL就可以搞出來了啊……

基礎打底課程, 首推Andrew Ng在Coursera一系列課程從ML課程開始, 看到Convolution Neural Network課程內也有簡介YOLO但是不會太深入tf python API 用法, 就直接google 看別人程式範例,除非你用tf low-level C/C++ API 否則python範例非常容易搜尋到實作過程還需要注意資料前置處理, 以及資料清洗( datacleaning), 否則餵不適當的資料進去訓練NN模型,容易得到錯誤的驗證結果