![]() |
【竹科管理局補助課程】智慧瑕疵偵測與分類(實作) |
![]() |
1.人工智慧簡介(Introduction to Artificial Intelligence) (1)人工智慧的定義、演進及應用 (2)機器學習(Machine Learning) vs. 深度學習(Deep Learning) (3)類神經網路(Artificial Neural Networks, ANN) (4)類神經網路在瑕疵分類上之應用 2.基於特徵值之物件分類 (Feature-based Object Classification) (1)特徵抽取(Feature Extraction):幾何特徵、顏色特徵、直方圖特 徵、紋理特徵 (2)載入特徵值及數據處理 (3)物件分類法:分類樹、特徵比對、最近鄰分類器、KNN分類器 (4)迴歸(Regression)法預測/分類實作 (5)ANN預測/分類實作 3.卷積神經網路(Convolutional Neural Networks) (1)卷積運算(convolutional Operation)與特徵圖(Feature Maps) (2)卷積層(convolutional layer)的原理與功用 (3)激活函數(Activation Function)的原理與功用 (4)池化層(Pooling layer)的原理與功用 (5)捨棄層(Dropout layer)的原理與功用 (6)批次正規化(Batch Normalization)的原理與功用 (7)扁平層(Flatten layer)的原理與功用 (8)全連接層(Dense/Fully connected layer)的原理與功用 4.基於影像之物件分類 (Image-based Object Classification) (1)將影像資料分成訓練組、驗證組及測試組 (2)影像資料的強化(Image Data Augmentation)與生成 (3)網路訓練參數的設定 (4)訓練過程的監控、Overfitting、Early-stopping、Resume Training (5)模型的存檔與載入 (6)以AI模型進行影像的分類 (7) CNN分類實作 (8)如何提高驗證精確度? 5.遷移學習(Transfer Learning)與ONNX(Open Neural Network Exchange) |
![]() |
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 |
---|---|---|---|---|---|---|
20240811-20240818 | 週日,09:00-16:00 | 邱教授 | 20240808 | 清華大學第四綜合大樓 | 報名已截止 | 2000 |