GPX Animator GPU Edition 是我做的一個 Windows 原生路線動畫工具。它把 GPX 路線畫在地圖上，讓鏡頭跟著路線移動，最後輸出成可以播放的 MP4。

它把路線統計、地圖動畫、GPU 繪圖與 MP4 編碼放在同一個工具裡，適合把一份騎乘紀錄整理成可以播放的路線影片。

載入一份 GPX 路線

以 0706路線.gpx 為例，程式載入後會顯示：

• 路線長度：61.27 km
• 爬升：794 m
• GPS 點：4,161 個
• 程式移除停留點：254 個

地圖畫面也真的把路線畫出來，左上角可以看到目前的公里數與海拔，右上角則有整段路線的海拔變化。

實際載入 0706路線.gpx 後的原生 Windows 介面。這張圖同時保留了路線統計、地圖預覽、HUD 與海拔圖設定。

從載入到輸出

整個操作很直接：

1. 開啟 GPX Animator GPU Edition。
2. 載入 0706路線.gpx。
3. 確認地圖上有路線，並檢查距離、爬升與 GPS 點數。
4. 選好輸出設定，按下「輸出 MP4」。

可以保留衛星地圖，讓攝影機跟著路線走，也可以開啟 HUD 和海拔圖。最後的影片不只是地圖上有一條線，還能看出目前走到哪裡、爬升變化如何。

輸出設定

這組輸出設定是：

• 畫面比例：16:9
• 解析度：1080p，也就是 1920×1080
• 影格率：30 FPS
• 編碼：H.265 / HEVC
• 影片秒數欄位：20 秒
• 品質：高畫質

GPU 負責把地圖動畫畫出來，HEVC 負責把畫面壓成 MP4；30 FPS 則讓播放看起來比較順。

這個專案的目標很簡單：把交通影片放進去，讓程式找出人、車和斑馬線，再把可能的「不禮讓行人」畫在輸出影片上。它不是只看單張圖片，而是把一段影片連續看完，才能判斷車輛和行人之間發生了什麼。

影片進入系統後，YOLOv8 會在每一格畫面裡找出行人、車輛、機車和斑馬線；這個步驟就是物件辨識，結果會以框線標在畫面上。接著 DeepSORT 會替這些物件保留 ID，讓程式知道前後畫面中的「車輛 3」是同一台車，而不是每格都重新計算。OpenCV 負責讀取與寫回影片，PyQt5 則把選檔案、預覽、旋轉校正和進度顯示整合成桌面介面。

使用流程

操作流程是四步：

選影片 → 選模型 → 選「車輛不禮讓行人偵測」→ 輸出標記後影片

選好偵測模式後，系統會先用 YOLOv8 找出畫面裡的人、車和斑馬線，再用 DeepSORT 把同一個物件在不同畫面中的位置串起來。這樣程式才有辦法從一張一張的畫面，累積成「這台車有沒有在行人通過時停下來」這種事件，而不是只根據某一格畫面猜測。

使用者介面

載入影片後，PyQt5 做成的主畫面會顯示影片路徑、預覽畫面、模型選單，以及「車輛不禮讓行人偵測」按鈕；下方還有單部影片和全部影片的處理進度。使用者不需要另外操作命令列，就能在同一個視窗完成設定。

載入 zebra7.mp4 後的主畫面：影片、模型和偵測模式都可以在同一個介面中設定。

開始處理後，預覽畫面會顯示目前的影片狀態，進度列也會跟著更新。

執行中的介面會同時顯示目前影片和整批影片的處理進度。

旋轉校正

如果原始影片是歪的，可以先在校正頁調整角度，再進入後面的偵測。程式會用 OpenCV 將畫面旋轉後再交給後續流程，讓斑馬線、道路方向和物件位置更容易被規則判斷；這不是改變影片內容，而是先把視角整理成比較好辨識的方向。

旋轉校正前，畫面中的道路方向還沒有對齊。

旋轉校正後，影像方向已經調整成比較適合繼續偵測的角度。

實際輸出結果

原始畫面和輸出結果可以清楚對照：輸出影片會加上偵測框、物件 ID，以及「Fail to yield to pedestrians」提示。偵測框代表系統在畫面中找到的物件，ID 則用來追蹤它在連續畫面中的移動。

原始畫面：還沒有加入偵測標記。

輸出結果：畫面中標出行人、車輛、斑馬線，以及「Fail to yield to pedestrians」事件。這個提示不是 YOLOv8 直接猜出來的，而是程式把辨識和追蹤結果放在一起，再根據斑馬線區域、行人位置、車輛方向與移動軌跡做判斷。

不同時間與道路場景都會留下相同格式的標記結果。白天的畫面可以看到斑馬線和車輛標記，夜間畫面則保留了車燈、道路與偵測框。

日間道路場景的實際標記結果。

夜間道路場景的實際標記結果。

輸出影片中的畫面也會保留物件 ID、偵測框和事件提示。因為 DeepSORT 會延續物件的 ID，使用者可以從連續畫面看出同一台車如何接近斑馬線，以及事件提示是在什麼情況下出現。下面是兩個不同道路場景的畫面：

日間影片畫面；可看到跨畫面的物件 ID 與不禮讓提示。

這是我在國立東華大學資訊工程學系「深度學習基石與實務」課程的第二個作業。作業表面上是在 CelebA 上訓練 GAN、生成一批人臉，實際上卻把三件事綁在一起：生成影像、建立可追蹤的 synthetic dataset，以及訓練一個能分辨真假的模型。

我一開始把問題想得很直覺：生成器越逼真，成果就越好。真正跑過幾輪模型之後，才發現事情沒有這麼單純。生成器越接近真實資料，判別器越難找到可以泛化的線索；判別器若只記住資料前處理或某一個 checkpoint 的風格，漂亮的 accuracy 也沒有太大意義。這篇筆記保留模型失敗、中間 epoch、loss 曲線與評估圖，記錄我如何在清晰度、多樣性、穩定性和運算成本之間做取捨。

Purpose：這份作業在問什麼

這份作業的目標不是只交出一張「看起來像人臉」的圖片，而是一條可以被檢查、被重跑的影像生成與分類流程：

1. 在 CelebA 上訓練 LadaGAN，產生有多樣性的 64×64 人臉。
2. 保留不同 epoch 的 checkpoint，從每個 checkpoint 生成固定數量的圖片，建立足夠大的 synthetic dataset。
3. 把真實圖片和生成圖片混合，訓練多個分類 backbone，找出比較能辨識兩種影像分布的判別器。
4. 使用最後的 EfficientNetV2-B1 對測試資料做真偽判斷，輸出 test.csv。

所以我想回答的問題不是「能不能生成一張好看的臉」，而是：

當生成器已經做得很逼真時，判別器到底還能不能學到穩定、可泛化的差異？

作業流程：從生成到判別

HackMD 報告把整個工作拆成三個階段。第一階段訓練 LadaGAN；第二階段從生成 checkpoint 建立判別器資料；第三階段用教師提供的 1,000 張測試圖片產生最後的分類結果。

三個階段的實際數字

第一階段以 64×64、像素值正規化到 [-1, 1] 的 CelebA 人臉訓練 LadaGAN。訓練曲線記錄到第 36 個 epoch；生成資料的腳本則以第 1 到第 30 個 checkpoint、每個 checkpoint 5,000 張圖片為主要設定：