Search
🔥🔥【政府補助】車輛智慧化-車用影像安全系統應用班🔥🔥
本課程將從各類感測器及開發平台之簡介起頭，接著詳細解說傳統電腦視覺以及機器學習技術如何運用在這些安全警示系
統上。卷積神經網絡(Convolutional Neural Network, CNN)之源起、原理以及各種物體偵測模型(R-CNN, Fast R-CNN,
Faster R-CNN, SSD, YOLO, DSSD, YOLO9000)之差別及其在NVIDIA DrivePX 上之表現亦會詳細的在課程的下半部中解
說。
https://college.itri.org.tw/…/BD7896AF-9943-4E66-89FF-64068…
🔥（熱烈招生中，歡迎企業包班）
【政府補助50％】基於電腦視覺之物體偵測與辨識
本課程首先將介紹傳統的特徵式物體辨識系統，並以車道線偵測為例，接著我們將引入特徵(Feature)+分類器(Classifier)之機械學習技巧，並運用到汽車之偵測。從2010年開始，Imagenet大規模視覺辨識競賽( Imagenet Large Scale Visual Recognition Competition, ILSVRC )以前所未有的資料量(>1 million)帶起了深度學習(Deep Learning)的熱潮，從2012年開始，各種不同的CNN(Convolutional Neural Network)，如Alexnet, GoogLenet, VGG，Residual Network等分類器因此比賽不斷的被發明，而運用CNN之物體偵測與辨識亦從不可端對端(end-to-end)學習的R-CNN, Fast R-CNN, Faster R-CNN一路進化到真正實現端對端學習的YOLO(You Only Look Once)與SSD( Single Shot Multibox Detector)，而這樣的單一CNN即可同時偵測多類(行人、腳踏車、汽車、機車、巴士等)物體。
課程網址：https://college.itri.org.tw/…/A4EA3591-12F0-4994-90E4-8D9D7…
（熱烈招生中，歡迎企業包班）
【政府補助50％】電腦視覺與機器學習技術簡介
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。
課程網址：https://college.itri.org.tw/…/D2990908-6EE7-4644-94CC-F3B00…
