對跨領域轉職為軟體工程師的你,提供我認為有效的學習策略

不要學太多

Photo by AltumCode on Unsplash

以專案為主

舉幾個小專案範例:

小結

若你喜歡這篇文章,多拍兩下吧

Strategies:

首先以技術角度來理解此問題,功能的實踐分成以下四步驟:

  1. 將一張圖片(.jpg)輸入程式
  2. 程式從圖片中判斷商品主體於圖片中所在位置
  3. 擷取商品顏色
  4. 回傳結果給使用者

調整後的開發步驟:

  1. 將一張圖片(.jpg)輸入程式
  2. 影像去背
  3. K-means 尋找商品主色碼
  4. 回傳結果給使用者

Process of Developing Color Detection(顏色偵測):

影像去背(Rembg)

  • 直接使用現成的github 開源工具 rembg 來做影像去背。
  • rembg 背後以CNN模型來做物件偵測,此模型會自動找出畫面中主體,並做切割。並不像其它模型會限定偵測特定物件(例如衣服或人臉),泛用性高,切割效果很不錯。(見下圖範例)

K-means 尋找商品主色碼

  • K-means 在機器學習中是一種非監督式的分群演算法。以下來自wiki的解釋:k-means的目的是:把 n個點(可以是樣本的一次觀察或一個實例)劃分到k個聚類中,使得每個點都屬於離他最近的均值(此即聚類中心)對應的聚類,以之作為聚類的標準。這個問題將歸結為一個把資料空間劃分為Voronoi cells的問題。
  • 首先透過去背後的圖片,我們擷取商品上每個點的RGB值,使其成為向量空間中的一個點,如下圖所示。

Sean Wang

I am a data scientist in e-commerce.

Get the Medium app

A button that says 'Download on the App Store', and if clicked it will lead you to the iOS App store
A button that says 'Get it on, Google Play', and if clicked it will lead you to the Google Play store