基於電腦視覺之物體偵測與辨識
本課程在影像處理部份將介紹影像增強、影像幾何轉換、影像壓縮。電腦視覺部份...
|
課程介紹
107年度《政府補助50%》
基於電腦視覺之物體偵測與辨識
隨著電腦硬體計算效能的持續增強,影像處理、電腦視覺與機器學習技術逐漸的出現在每個人的生活,例如智慧型手機中,全景圖拍攝已經是基本功能,修圖app甚至從傳統的純影像處理進步到先進行人臉辨識再適應性地修改構成五官的像素。知名的美圖公司除了推出美圖秀秀外,亦推出美圖手機,甚至成立MTLab,以深度學習技術為主題,持續提升拍照之效果。
進年來深度學習技術突破了各式問題使用傳統機器學習的效果,其中包括了應用卷積神經網路(Convolutional Neural Network, CNN)於影像分類(Image Classification)、物體偵測(Object Detection),影像分割(Image segmentation),以及應用生成式對抗網路(Generative Adversarial Network, GAN)之影像生成與影像風格轉換。
本課程在影像處理部份將介紹影像增強、影像幾何轉換、影像壓縮。電腦視覺部份包括了影像特徵偵測及全景圖之實現,機器學習部份包括了Adaboost與支持向量機,深度學習部份簡介各種經典的卷積神經網路及目前最為先進之物件偵測模型(R-CNN Trilogy, YOLO),影像分割模型(FCN, Segnet),以及應用於影像分成與轉換的GAN。課程中的部份主題將提供範例程式供學員參考,以提升學習效果,期待學員可藉由此課程初步瞭解影像處理、電腦視覺、機器學習甚至是深度學習技術,未來順利進入相關產業發展。
-
時 間:2018年06月22、29日(隔週五)( 9:30∼16:30,共12小時)(課後須進行隨堂測驗)
-
地 點:工研院產業學院 產業智慧化學習中心(台北) (實際上課地點依上課通知為主!!)
-
主辦單位:經濟部工業局
-
執行單位:工研院產業學院 產業智慧化學習中心(台北)
課程大綱
— 電腦視覺與機器學習簡介 — 影像感測器以及各種影像缺陷簡介 — 辨識率以及量化分析因子簡介 — 影像增強 — 影像幾何轉換 — 影像特徵偵測及全景圖之實現 — 影像壓縮簡介 — 基於HOG與SVM之人臉偵測 — 基於Adaboost之人臉偵測 — 卷積神經網路(Convolutional Neural Network)簡介 — 基於CNN之物件偵測與辨識 (R-CNN, Fast R-CNN, Faster R-CNN, YOLO, SSD) — 基於CNN之影像分割(Image segmentation) — 生成式對抗網路(GAN)簡介 |
講師簡介
林哲聰 老師
學歷: 台灣大學應用力學研究所碩士/清華大學資工系博士班
現職: 工研院機械所研究員
經歷: 工研院機械所副研究員,加州大學聖塔芭芭拉分校資工系訪問研究員
2010 伽利略創新大賽 台灣區季軍
2011 伽利略創新大賽 特別獎(GNSS Living Lab)得主
2013 伽利略創新大賽 瑞士區冠軍
專長: Computer Vision, Image Processing, Pattern Recognition, GPS , Embedded System, iPhone Programming
◇已於車用影像安全警示系統領域中發表過十七篇國際論文,十五篇國內論文,以及十三篇專利。
課程對象
車用影像安全系統技術發展相關人員。
價格
1.政府補助50%,學員自行負擔6,000元/人。
2.若學員身份為身心障礙者、原住民、低收入戶或中堅企業廠商之特定對象者
政府補助70%,學員自行負擔3,600元/人。
※特殊身分學員需繳交資料:
(1)身心障礙者:檢附殘障手冊影本一份
(2)原住民:檢附戶籍謄本影本一份
(3)生活扶助戶(低收入戶)中有工作能力者:縣市政府或鄉鎮(區)公所開立之低收入戶身分證明文件或低收入戶卡影本一份,但該證明文件未載明身分證號碼及住址者,應檢附國民身分證正反面影本或戶口名簿影本一份。
(4)中堅企業:經經濟部工業局申請中堅企業通過,符合資格者,檢附員工在職證明。
常見問題
中堅企業廠商
申請經濟部中堅企業躍升計畫通過者方能使用此資格
詳情請見以下網址
http://www.mittelstand.org.tw/
政府捐助(贈)財團法人
政府捐助(贈)財團法人名單詳情請見以下網址
http://www.mocs.gov.tw/pages/detail.aspx?Node=1043&Page=4753&Index=2
貼心提醒
※以下注意事項─敬請您的協助,謝謝!
1.為確保您的上課權益,報名後若未收到任何回覆,請來電洽詢方完成報名。
2.若報名者不克參加者,可指派其他人參加,並於開課前一日通知。
3.因課前教材、講義及餐點之準備,若您不克前來需取消報名,請於開課前三日以EMAIL通知主辦單位聯絡人並電話確認申請退費事宜,逾期將郵寄講義,恕不退費。