AIOT人工智慧OpenCV影像辨識應用白天職訓課程,Artificial Intelligence

AI物件偵測暨辨識整合應用

完整學會機器學習 + 深度學習 + YOLO + 視覺辨識(Open CV)物聯網應用
因應疫情嚴峻，即日起上課皆採實體+遠端線上同步上課

  1. 物件偵測技術已廣泛應用在生活中，舉凡汽車自動停車、輔助駕駛、車道偏移等技術均與物件偵測息息相關。在工業生產線上更大量應用此技術檢測產品良率。然而物件偵測精準度一直是大家關注的焦點。
    因應未來AI(人工智慧)應用產業發展人才需求將快速增長，本課程設計從從瞭解物件偵測基礎理論學起，進而瞭解OpenCVAPI學習影像擷取應用、人工智慧理論應用等。Python是目前資料分析中最熱門的程式語言，讓學員藉由Python實作機器學習與深度學習的演算法應用，從而實現具有影像處理功能的人工智慧應用系統，帶領學員熟悉的物件偵測、辨識、擷取應用，再搭配AI人工智慧機器學習與深度學習辨識特徵，進而提高物件偵測與辨識精準度的實作課程。

  2. 課程教學實錄影片

學習目標。 特色

  1. 課程目標！

    學習到AI架構的核心技術及整合開發精髓，讓學員結訓後具備AI物件偵測與視覺辨識關鍵技術開發的技能。

  2. 結訓具備技能

    獨立撰寫AI物件偵測技術應用及整合機器學習與深度學習的開發能力。

  3. 實作演練！

    1. 公共場所人流控制系統
    2. 無人商店結帳系統
    3. 自然語言處理應用

  1. 課程時數

    63小時

  2. 師資介紹

    邀請業界資深AIOT團隊擔任講師

  3. 開課日期

    111年4月23日至111年6月25日 ( 已結訓 )
    上課日期：
    4/23、4/30、5/7、5/14、5/21、5/28、6/11、6/18、6/25

  4. 課程費用

    • 1. 全期學費32,000元(工業局補助$12,000元)，學員自付額$20,000元
    • 2. 特殊身分： 身心障礙者、原住民、低收入戶或中堅企業員工，
          需檢附資格證明文件(工業局補助$16,800元)，學員自付額$15,200元

  5. 開課時間

    週六全天班 AM9:30至PM5:30

  6. 上課人數

    每班20人(即日起接受報名，額滿為止;最低開班人數10人)

  7. 注意事項

    • 1. 每位學員出席率需達80%以上，完成專題作品發表作為評量依據，
          合格者即可結訓頒發證書。
    • 2. 結訓學員應配合經濟部工業局培訓後電訪調查。

  8. 招生對象

    • 1. 已在相關領域，欲再增強本身專業技能者
    • 2. 具備Python程式語言基礎
    • 3. 對於影像處理有基本概念者

  9. 課程評量方式

    課程規劃學員在修習完畢後能獨立撰寫AI物件偵測技術應用及整合機器學習與深度學習的開發能力。評量方式將以作業繳交、上課出勤作為評分或以分組、個別專題方式發表計分，合格者即可結訓頒發證書。

  10. 職涯方向

    電腦視覺演算法工程師│電腦視覺開發測試工程師│軟體開發工程師

  11. 退費標準

    各班一經報名，依教育局短期補習班設立及管理規則第24條辦理

課程大綱

影像處理與辨識基礎理論
  • 載入圖檔並顯示
  • 色彩空間
  • 寫入圖片檔案
OpenCV影像處理應用
  • OpenCV架構
  • 影像二維處理
  • 影像強化
  • 影像前處理-二值化、閾值分析
  • 影像濾鏡應用-模糊
  • 影像縮放
邊界偵測
  • 常見邊緣檢測法
  • Canny邊緣檢測（Edge Detection）
特徵偵測
  • 取得影像的特徵點
  • 特徵點描述及比對
物體偵測
  • 人臉偵測與人臉識別
  • 機器學習演算法
  • 資料訓練與分類模型建立
  • 圖形分類
  • 視覺化二維資料分群
  • 手寫資料測試
動態物體偵測
  • 偵測移動物體
  • 臨界值處理
DLib影像辨識應用
  • Dlib套件應用
  • Dlib特徵點描述
HOG應用
  • HOG特徵原理
  • HOG比對應用
LBP應用
  • LBP特徵原理
  • LBP特徵匹配與應用
機器學習
  • 監督式學習方法（線性回歸, SVM, Decision Tree…）
  • 非監督式學習方法（K-menas,K-means++…）
機器學習相關應用
  • 介紹Scikit-learn套件
  • 介紹資料標準化（Standardization）、資料清理（Data Cleaning）、補值等資料前處理概念
  • 利用Scikit-learn套件建立監督式以及非監督是方法之分類器
深度學習
  • 介紹神經元（Neuron）
  • 類神經網路（Neural Network）
  • 深度學習之應用範圍
  • 激勵函數（Activation function）
  • 深度學習相關內容
類神經網路架構（DNN、CNN、RNN…）
  • 介紹CNN的網路架構
  • 利用CNN建立圖像辨識分類器
  • 建立CNN架構
  • 介紹RNN的網路架構
  • 利用RNN建立文章分類器
  • 建立RNN架構
YOLO
  • 介紹YOLO的網路架構
  • 利用YOLO即時物件偵測
  • 建立CNN架構
  • 介紹RNN的網路架構
  • 利用RNN建立文章分類器
  • 建立RNN架構
課程實習演練
  • 公共場所人流控制系統
  • 無人商店結帳系統
  • 自然語言處理應用
實習環境
  • 影像偵測與擷取模組
  • 圖形加速運算設備
我對課程有興趣，參加說明會
姓      名
連絡電話
電子信箱
新舊學員
舊學員 新學員
選擇課程
選擇場次
驗證碼
資訊來源
點選取得驗證碼 ↑↑↑

AI物件偵測應用實例分享

  1. 無人車OpenCV影像辨識

  2. AI物件偵測暨辨識整合應用介紹

  3. 無人商店Amazon Go