窗外的鵬城灣在晨光中泛起粼粼波光，林晨揉了揉有些發酸的眼睛，將昨晚整理的 NLP 學習筆記儲存歸檔。
連續兩週沉浸在 Transforr 架構和 BERT 模型的原理中，那種從困惑到豁然開朗的過程讓他著迷。但作為一個有十年開發經驗的老碼農，他深知技術學習的廣度同樣重要——特別是在 AI 這個日新月異的領域。
“接下來該學計算機視覺了”。林晨開啟筆記本，新建了一個名為“CV_Learning”的資料夾。
計算機視覺（Couter Vision），這個讓機器“看懂”世界的領域，對林晨來說既熟悉又陌生。熟悉的是，他在跨境電商公司工作時接觸過簡單的影像處理，比如商品圖片的自動裁剪和最佳化；陌生的是，那些基於深度學習的現代 CV 技術，對他而言還是一片待開墾的沃土。
他先花了一個上午時間梳理知識體系。從最基礎的影像表示（畫素、通道、色彩空間）開始，到傳統的影像處理方法（邊緣檢測、特徵提取），再到深度學習的革命性突破。當他看到 2012 年 AlexNet 在 IgeNet 競賽中以壓倒性優勢奪冠的那張歷史性圖表時，內心湧起一陣技術人特有的激動——那是深度學習在 CV 領域的第一聲春雷。
“卷積神經網路（CNN）……”林晨喃喃自語，點開了吳恩達教授在 Coursera 上的經典課程。
卷積層、池化層、全連線層，這些概念像拼圖一樣在他腦中逐漸拼接成型。他特別喜歡卷積操作的那個直觀比喻：用一個小的濾波器（比如 3×3 的矩陣）在影像上滑動，就像拿著放大鏡一寸寸地檢視影像中的區域性特徵。
“所以邊緣檢測其實就是一種特定的卷積核”。林晨在 Jupyter Notebook 裡敲下幾行程式碼，用 OpenCV 庫載入了一張鵬城灣夜景的照片，然後嘗試用 Sobel 運算元提取邊緣。當黑白分明的輪廓線在螢幕上顯現時，他彷彿聽到了影像在向他“說話”。
午飯是蘇婉提前準備好的便當，林晨一邊吃著，一邊繼續研究。CNN 的進化史像一部技術史詩：從 LeNet-5 的手寫數字識別，到 AlexNet 的深度突破，再到 VGGNet 那令人印象深刻的“3×3 卷積堆疊”設計哲學。
但真正讓他屏住呼吸的是 ResNet（殘差網路）。
“跳躍連線（Skip Connection）……”林晨反覆閱讀著何愷明那篇著名論文中的圖示。當神經網路層數加深時，梯度消失問題會讓訓練變得極其困難，而 ResNet 透過讓資訊“跳過”某些層直接傳遞，巧妙地解決了這個問題。
他在草稿紙上畫著示意圖：“假設我們要學習一個對映 F(x)，傳統的網路試圖直接擬合 F(x)，而 ResNet 學習的是殘差 F(x)?x，然後輸出 x＋［F(x)?x］＝F(x)。這樣即使深層網路的權重更新很小，至少恆等對映的部分能保證資訊流通……”
“太優雅了”。林晨忍不住讚歎。這種在看似複雜問題中找到簡潔本質的能力，正是頂尖工程師與普通碼農的區別。
下午三點，他開始研究目標檢測（Object Detection）。這是 CV 領域最具實用價值的方向之一——不僅要識別影像中有什麼，還要標出它們在哪裡。
兩階段檢測器代表 R-CNN 系列，單階段檢測器代表 YOLO……林晨對比著兩者的架構圖。R-CNN 先產生候選區域再分類，精度高但速度慢；YOLO（You Only Look Once）則將檢測任務轉化為迴歸問題，把整張影像輸入網路，一次性輸出邊界框和類別，速度極快。
“YOLO v3 的 Darknet-53 主幹網路，結合了 ResNet 的跳躍連線思想……”林晨下載了 YOLO 的開原始碼，在本地環境裡嘗試執行。當看到示例程式碼成功檢測出影像中的狗、腳踏車和卡車時，他意識到自己正在觸控到當前工業界最實用的 CV 技術之一。
理論必須與實踐結合。林晨決定動手做一個專案：用目標檢測技術識別家裡的常見物品。
第一步是收集資料。他拿起手機，在客廳、廚房、臥室各個角度拍攝了上百張照片——沙發、茶几、電視、冰箱、微波爐、床、衣櫃……每張照片都包含多件物品。
“得自己標註資料了”。林晨苦笑。這可能是 CV 專案中最枯燥的環節。他下載了 LabelI 工具，開始一張張地畫邊界框、打標籤。滑鼠點選、拖動、輸入類別名稱，這個動作重複了數百次。當標註完最後一張照片時，窗外已是華燈初上。
晚餐後，林晨開始構建模型。他選擇了 YOLO v5 的 PyTorch 實現，這是一個在 GitHub 上擁有數萬星標的流行專案。按照教程，他將資料集按 8∶1∶1 的比例分為訓練集、驗證集和測試集。
“資料增強很重要”。林晨在配置檔案中啟用了隨機翻轉、裁剪、色彩抖動等選項——這能讓模型看到更多樣的資料變體，提高泛化能力。
訓練開始了。GPU 風扇發出輕微的嗡鳴，螢幕上滾動著損失函式下降的曲線。林晨泡了杯茶，守在電腦前觀察著每一個 epoch（訓練輪次）的效能變化。
第一個 epoch，損失值很高，模型基本在瞎猜；第十個 epoch，損失開始穩定下降；第三十個 epoch，驗證集上的 P（平均精度均值）達到了 0.65……
“有戲”。林晨眼睛一亮。
訓練完成後，他載入了最佳權重檔案，然後用手機即時拍攝進行測試。當他將攝像頭對準客廳的茶几時，螢幕上即時顯示出三個邊界框：
［沙發：0.92］ ［茶几：0.89］ ［水杯：0.78］
置信度分數在 0.7 以上，意味著模型相當確定自己的判斷。林晨移動手機，攝像頭掃過書架，模型又識別出了“書架”和“書籍”；對準廚房，識別出“冰箱”“微波爐”“電飯煲”。
“雖然只是個小 de，但……”林晨看著螢幕上即時跳動的檢測框，一種創造的喜悅油然而生。這就是程式設計的魅力：你用程式碼定義規則，機器按照規則執行，然後世界就在你眼前以新的方式被“看見”了。
……）略策停早、定設率習學（驗經參調的中練訓、）一統要別類、合要框界邊（項事意注的註標、）題問擋遮、化變線（點難的集收料資：程過個整了錄記細詳中件文案專在，案檔型模了存儲他
。法算演覺視的進先更究研在隊團有正能可裡那，燈的點點星星著亮還樓字寫的園技科遠。景夜的城鵬眺上臺在站晨林，了深夜
？係關麼什有統系資投化量的己自和覺視機算計：題問個一到想然突他
？標指瞻前的濟經觀宏為作，度輛車場車停、量運貨口港析分來像影星衛控監……至甚？訊資表圖的中聞新經財別識者或？態形的圖線 K 析分技覺視用能不能：散發始開維思的晨林但。及相不牛馬風乎似，料資融金理個一，像影理個一，看上面表
。樑橋起架間之事的關無似看在能就，後技的態模同不了握掌你當——線連的域領種這於在就力魅的 IA。來起興他讓法想個這
”……取提訊資片影）3；析分像影星衛）2；別識表圖）1：注關需，度維料資類另供提統系資投為能可技覺視“：法想步初下寫他。”索探合融態模多“：節一了增新中件文劃規技在晨林，房書到回
。盪迴中心他在，章樂的聲無首首一像計設的妙些這……測檢端到端的 OLOY，線連躍跳的 teNseR，取提徵特化次層的 NNC。構架型模些那的習學天白著放回在還卻中海腦，腦電掉關晨林。夜午過已間時，時號句個一後最下敲
。”知是力能的大偉最但，算計是力能的質本最機算計“：話句一的過說師老，時計設式程學剛前年多起想然忽他，上床在躺
。的始原最——的機是還的類人是論無——慧智有所是正，界世解理而，步一第的界世解理是知：了白明他，時几茶和發沙的裡廳客了”見看“機讓手親己自他當，在現但。話句這解理全完不他時那
。岸彼的知未向駛他著載正，船的造建他是 IA 而，邊洋海的料資在站己自見夢，睛眼上閉他。心核的技近接更都候時何任往以比己自覺卻晨林，晚夜的業失個這在。來下靜安漸漸城鵬的外窗
