fbpx

AI深度學習影像辨識實戰

因應COVID-19疫情,若有必要情況,可能完全採取zoom雲端線上授課;在情況允許下,會以實體授課,並做好防疫措施為主。

♦ 歡迎使用振興三倍券

課程介紹

影像辨識領域是近年來深度學習最蓬勃發展的一塊領域,應用於智慧家居、無人駕駛、生產瑕疵品檢測、安防監控、醫療影像,和深度學習影像辨識技術息息相關。

智慧家居

智慧家居

無人駕駛

無人駕駛

安防監控

安防監控

醫療影像

醫療影像

由產業資深講師引領你學會必備的低階影像處理技巧,如何應用深度學習的CNN、YOLO、GAN等演算法來進行影像偵側、識別、模仿創造等高階的影像應用。

影像處理階級

AI computervision imageprocessing

影像辨識實際應用範圍
IT VIP

課程特色
智慧家居

用實作讓你對影像辨識
技術豁然開朗

本課程強調“How to”,快速掌握機器學習最核心的觀念與技術本質。每一個原理和演算法解說後,搭配實際程式範例,來進行上機實作演練,進而提升學習的“有感度”。透過講師Step by Step講解,將電腦視覺與深度學習融會貫通應用,包含影像處理、影像變換、特徵檢測與影像辨識等。不再讓您上完課,好像知道很多東西可是卻又不知道從何開始。
縮短專案時程,確保產出

縮短專案時程
確保產出

影像辨識在電子、資訊、金融、零售、醫療、通訊、物流等領域迅速的發展,你都可能透過深度學習解決過去難以解決的影像辨識問題。然而這些演算法也並非就是萬靈丹,尤其在資料科學領域,在不對的問題上找答案,往往都是徒勞無功。也許您正在或是未來將接觸AI相關工作,實務上可能會遇到的問題也都可以拿來和講師多交流討論,也將有助於縮短專案時程,確保產出。
產業資深講師實務親授

產業資深講師
實務親授

課程由業界資深工程師親授,將多年的實務開發經驗淬鍊在教學內容中,幫助學員快速掌握技術關鍵,跨越自學卡關的障礙,節省寶貴時間,而能迅速投入其他有興趣的電腦視覺領域,像是ROS機器人開發、無人駕駛演算法開發、醫療影像識別等。
學習目標
  1. 熟悉數位影像於電腦中的表現形式和影像處理方法
    (影像去雜訊、影像品質增強、影像重採樣…)
  2. 理解並能實作數位電腦視覺原理應用與具備活用 OpenCV 函式庫之能力
    (影像特徵提取、特徵強化、輪廓萃取、卷積運算、型態學運算…)
  3. 融會貫通基礎演算法及函示庫工具,並且有能力實作自己的視覺演算法或影像分析模型
    (Prototype)
  4. 了解深度學習原理及其如何處理高階的影像認知能力
    (人臉識別、物件識別…)
適合對象
  • 對電腦視覺與深度學習有興趣的
  • 即將投入深度學習電腦視覺應用的工程師或專案人員,欲將電腦視覺深度學習方法應用在工作上 ,像是AOI(自動光學檢測)、無人駕駛、人臉識別、車輛識別、VR/AR、安防、機器人開發…
  • 正從事深度學習的電腦視覺應用的工程師或專案人員,想了解如何加快開發流程的技術
  • 想學會電腦視覺演算法撰寫、測試與調校的您
  • 沒相關背景但對電腦視覺有興趣,或是接觸過卻似懂非懂,不知如何開始的學員
  • 本課程沒有高深複雜的數學原理,只要具備簡單高中數學基礎即可,依照老師教學進度Step by Step學習,就可以自然而然地學會影像辨識的觀念與技術

ai-edge

課程大綱
OpenCV 電腦視覺實戰(28hrs)
  • 影像處理概述
    • 數位影像的生成與結構
  • OpenCV 基礎認識
    • OpenCV可以做什麼
    • 函式庫的組成及內容
  • 環境配置
    • IDE + CV Library
  • 初試啼聲
    • Hello OpenCV
  • 影像格式與資料結構
    • 影像格式
    • 基本資料型態
  • 影像檔案讀取、儲存
  • 影像通道轉換
  • 色彩空間轉換 (原理 & 實作)
  • 電腦視覺概述
    • 產業趨勢分享與解析
    • 從事影像演算法研發人員在產業中的定位
  • 像素層級運算(Pixel Level)
    • OpenCV Data Type結構深入理解
  • 影像前處理 (原理 & 實作)
    • 影像二值化 、閾值分析、影像去雜訊、影像模糊、影像強化、影像縮放
  • 影像去雜訊(原理 & 實作)
  • 影像模糊(原理 & 實作)
  • 影像強化(原理 & 實作)
  • 影像縮放(原理 & 實作)
  • 影像模板匹配
  • OpenCV 使用者介面事件(高階 GUI)
    • 滑鼠事件處理
    • 滑桿事件處理
  • OSD繪圖
  • OSD文字處理
  • ROI處理
  • 卷積運算理論 & 實務
    • 型態學運算(原理 & 實作)
    • 輪廓搜尋 & 提取 (原理 & 實作)
    • 邊緣偵測 (原理 & 實作 )
  • 從影像處理到電腦視覺
    • Image Feature Extraction
    • 直線偵測(原理 & 實作)
    • 圓形偵測(原理 & 實作)
    • 角點偵測(原理 & 實作)
    • 影像物件計數、影像物件分析
  • 從影像到影片 Video Processing&Analysis
    • 影片資料處理
    • 攝影機取像、運算、儲存
    • 視訊檔案讀取
    • 取得視訊屬性
  • 透過VidStab模組實作視頻穩定
    • 使用VidStab類
    • 幀到幀的座標轉換
    • 使用Borders與Frame Layering
    • 套用視頻穩定算法
    • 應用於線上視頻
  • AOI測量
    • 手把手帶你打造自己的AOI測量演算法
    • 取得邊緣點
    • 擬合直線
    • 測量線到線的距離
  • AI運算與應用
    • YOLO算法原理介紹
    • OpenCV CNN
    • 透過YOLO3-4-py模組實現物件偵測
  • 醫學影像應用
    • 醫學影像基本知識
    • 醫學影像的讀取與顯示
    • 透過OpenCV實作CXR肺分割
      • 移除脊椎
      • 影像正規化
      • 影像二值化
      • 角點偵測
      • 計算肺部區域
      • 計算混淆矩陣(Confusion matrix)
神經網路與深度學習應用實戰(28hrs) ※ 點選可展開看詳細課程內容
  • 深度學習導論
    • 人工智慧 vs 機器學習 vs 深度學習
    • GPU(Nvidia GTX 1080T) 介紹與資源配置
    • DL框架介紹(TensorFlow、Keras、CUDA… )
    • Google Colaboratory 教學
  • 神經網路與深度學習架構
    • Deeper Neural Network (DNN)說明:

      • Neural Network 的原理與架構:Neuron(神經元)、Perceptron(感知器)
      • Activation Function(激勵函數): Relu、Sigmoid、tanh…
      • Optimization(最佳化):線性回歸、Gradient Descent(梯度下降法)、SGD(隨機梯度下降法)、Momentum(動量法)、Adam(適應性矩估計)…
      • 過擬合(Overfitting)處理:Dropout、Regularization
      • 存入與讀取模型(model)與權重(weights)
      • 主題實作:神經網路實作、MNIST手寫數字辨識、CIFAR-10實作、乳腺癌診斷分析
  • 常見深度學習模型解說與演練
    • 卷積神經網路(CNN)

      • 原理與架構說明: Convolutional Layer (卷積層)、Pooling Layer (池化層)、Fully Connected Layer (全連階層)
      • 常用模型應用說明:VGG16、VGG19、ResNet50、InceptionV3
      • 其他方法說明:Backpropagation(反向傳播法)、Autoencoder
      • CNN與影像辨識實務應用說明:分類(Classification)、Semantic按語意切割(Segmentation)、定位(Classification + Localization)、物體偵測(Object Detection)、實體切割(Instance Segmentation)
      • 主題實作:卡通圖像角色辨識、模型實作(載入模型、訓練模型、新建模型、調整參數、績效評估、Fine-tuning)、圖片辨識、圖片去雜訊
    • 遞歸神經網路(RNN)

      • RNN原理與架構說明
      • LSTM(Long Short-Term Memory)模型說明
      • 應用說明:時間序列(Time series)、詞向量(word vector / word
      • 主題實作:美國國際航空乘客量分析、情緒分析、中英翻譯
    • 遷移式學習(Transfer Learning)

      • Keras後端函數應用、反轉梯度
      • 主題實作:梵谷畫作風格轉換
    • 生成對抗網路(GAN,Generative Adversarial Networks)

      • 生成器 (Generator) 和鑑別器 (Discriminator)
      • 改進的版本介紹:DCGAN(Deep Convolutional Generative Adversarial Networks)
    • 強化學習(Reinforcement Learning)

      • 原理說明:自動進行決策,並且可以做連續決策
      • 四個元素:agent、環境狀態、行動、獎勵
      • Q-Learning解說
        • 逆向增強式學習 (Inverse Reinforcement Learning)
        • 主題解說:訓練電腦玩遊戲、機器人運動控制
    • 推薦系統(Recommender Systems)
  • 深度學習應用主題解說
    • 交通號誌辨識

      • 使用OpenCV進行影像預處理(通道轉換、標準化、資料增加…)
      • CNN model實作解說
    • 主題式物件辨識(object detection)

      • 影像Lable方法解說
      • YOLO模型教學
      • YOLO模型實作解說
    • 人臉辨識

      • 人臉偵測 mtcnn(Multi-task Cascaded Convolutional Networks)、opencv、dlib套件解說
      • 資料前處理:人臉轉換、對齊與裁剪… 人臉特徵擷取(使用FaceNet的模型與演算法)
      • 人臉特徵比對 (使用LinearSVC的分類演算法)
    • 在iPhone上用YOLO model實現人臉偵測

      • iOS開發介面簡介
      • YOLO model 移植教學
    • 不均衡數據處理與奇異值分析(novelty detection / Outlier Detection)實作

      • 產線數據分析與課程所學之應用設計
  • 實務問題與解決方案探討
PS.實戰演練的範例將會依據產業界的實際狀況進行調整

業界師資
Elvis老師

Elvis

美國聖路易大學生物資訊博士

知名國際3C製造大廠人工智慧研發部門主管

生物資訊 / 自然語言處理 / 統計推論 / 科學計算 / 數據科學 / 資料探勘 / 數值最佳化 / 資料庫 巨量資料處理 / 機器學習

Jeffery老師

Jeffery

台灣大學土木工程研究所博士

知名上市資訊科技大廠大數據部門研發主管

類神經網路 / 基因演算法 / 最佳化演算法 / 結構力學 / 有限元素法 / 生醫影像處理

Tim老師

Tim

輔仁大學應用科學與工程研究所博士

知名上市電子消費品大廠AI研發部門資深工程師

機器學習 / 機器人開發 / 密碼學 / 影像壓縮 / 數位訊號處理 / 生醫資訊/生醫影像處理

Lau老師

Lau

中正大學電機工程碩士

國內記憶體龍頭廠:研發技術副理 / 知名新創影像分析公司:技術顧問/電腦視覺科學家

Computer Vision / OpenCV影像處理與電腦視覺 / 嵌入式Linux系統 / C/C++ / GPGPU 技術 (nVidia CUDA)

Luke老師

Luke

海洋大學運輸所碩士

資深系統工程師

地理資料分析呈現 / 資料庫設計 /Machine Learning運算模組開發 / Deep Learning CNN,RNN

課程諮詢
 

延伸學習

Q&A
共享經濟時代來臨,除了本業,你還擁有什麼?除了職稱,你還有沒有比名片更亮眼的故事?不是迫於生存,而是不甘平庸!越來越多人不再滿足於單一職業和身分的束縛,AI風潮席捲,越來越多非理工背景的產業菁英投入AI技能的培養。本課程以模組實作式的教學,透過每次的原理講解與實作,循序漸進地帶你自然而然地學會個階段技能。透過講師的豐富經驗,幫助你節省寶貴時間,快速跨越自學的障礙。只要你能配合老師的教學安排,勤加練習,不怕學不會。
程式是幫助你實現想法的工具,根據許多程式高手的經驗分享,想學好程式,從你有興趣的應用開始,是最有成效的。如果你對電腦視覺與影像處理的領域有興趣,本課程的每個練習都附有完整的範例碼,講師也會清楚地講解重要的觀念,讓你從實作中,逐漸了解各種應用內涵,幫助你自然而然地學會程式語言。若你還想學習更深的程式技能,課程顧問也會協助你挑選最合適的方案。只要你願意全心全意地學習,在艾鍗專業的教學安排下,不怕學不會。
本學程全程使用Python

AI深度學習與影像辨識 假日進修班開課日期:109/8/30(六)上課時間:09:30~17:30 課程時段:假日班本班享學程優惠,欲洽從速!