 課程名稱 |
以深度學習實作影像物件辨識與切割(含實作9小時) |
| 課程內容 |
R-CNN/Fast R-CNN/Faster R-CNN家族是目前以深度學習實作影像辨識與物件切割最常用的技術，在本課程中，我們教授相關技術的發展與系統的設計，並以Caffe為環境進行實作，並以四軸無人機的空拍影像為例，從物件標記、軟體開發、模型訓練乃至效能評估進行實作教學，期望學員在完成課程學習後，能獨立將相關的技術用於解決其他的問題。 在實作上，我們會在Linux作業系統環境下以Python Caffe進行實作，學員須有Python語言的基礎並能操作Linux作業系統。 課程大綱: 1. 機器學習與類神經網路簡介 2. 深度學習在影像處理上的應用 3. R-CNN相關技術介紹 4. 影像資料前處理與物件標記 5. Caffe環境安裝 6. Faster RCNN安裝 7. 訓練Faster RCNN模型 8. 使用Faster RCNN模型進行偵測 9. 驗證並呈現Faster RCNN偵測結果 |
| 先修課程 |
| 上課日期 | 上課時段 | 授課老師 | 報名截止日 | 上課地點 | 報名 | 課程費用 |
|---|---|---|---|---|---|---|
| 20170723-20170802 | 每週六9:00-16:00 | 易志偉 | 20170721 | 交通大學工程三館 | 報名已截止 | 3750 |