♦️ 【政府補助】 補助名額最後3名，立即洽詢卡位！
♦️ 【遠距教學】 AI深度學習+電腦視覺影像處理，實戰派課程 
隨著美中貿易戰持續升溫與疫情肆虐，全球的工業布局重新洗牌，醫療科技瞬間抬頭的趨勢下，電腦視覺在工業與醫學資訊的應用更是勢不可擋。而影像視覺是AI的三大應用重點之一，OpenCV是電腦視覺開源應用的始祖，其兼容Python語言更使其與AI的整合更加容易。 在工業檢測AOI領域中，OpenCV是業界算法軟體自製的唯一選擇。在醫學領域，可透過Python套件實現許多醫學影像的讀取與寫入，搭配OpenCV的使用更可實現相關的影像分割等算法。 本課程由資深業師濃縮多年影像實戰經驗，提取最佳學習路徑，透過Python與OpenCV，帶領學員縱橫工業AOI、醫學資訊、視頻監控與AI應用，引導學員們一揭電腦視覺與開源社群的浩瀚海洋，使具備紮實的戰力投入於理想的視覺應用領域中。
工程師不可不知的影像辨識三大階段
影像辨識實際應用範圍
關鍵詞:工業AOI 、視頻監控、 AI 、 AI影像視覺、 AI電腦視覺、 Python 、 Automatic optical inspection、人工智慧、 OpenCV、Automatic optical inspection
業界工程師實戰分享
由淺入深系統化學習
軟硬整合深入技術核心
AI專題實作強化學習
- 熟悉數位影像於電腦中的表現形式，包含：儲存格式、讀取及寫入、像素運算。
- 理解數位影像處理原理並能實作，包含：影像去雜訊、影像品質增強、影像重採樣(降維/增維)。
- 理解數位電腦視覺原理並能實作，包含：影像特徵提取、特徵強化、輪廓萃取、卷積運算、型態學運算。
- 充分活用 OpenCV 函式庫，包含：影像處理、影片(視訊)處理、高階 GUI 工具(圖形互動介面)、Image Processing 演算法實務、Computer Vision 演算法實務。
- 主題實戰-AOI測量、醫學影像應用、YOLO實現物件偵測
- 了解深度學習的原理及各種訓練技巧-Batch Normalization, Dropout, Early Stopping
- 學會使用Keras進行深層神經網路(DNN)實作
- 了解CNN模型與工作原理並能實作CNN影像分類與進階技巧
- 欲從事影像處理、電腦視覺、影像分析、影像辨識等演算法開發與實作驗證的工程師、研究者、創客。
- 想了解影像處理的演算法於嵌入式系統之移植與效能調整。
- 理解數位電腦視覺原理並能實作，包含：影像特徵提取、特徵強化、輪廓萃取、卷積運算、型態學運算。
- 從事深度學習在影像處理(如CNN)的研發，而對於影像處理關於物件識別、偵測的底層知識有興趣。
- 從事FPGA 影位影像訊號的處理，但想要理解底層影像處理相關的演算法。
深度學習實務 單元
- ►機器學習與深度學習技術簡介
- ►深度學習(深層神經網路) DNN運作原理與相關技術解說
- ►TensorFlow/Keras程式架構
- ►DNN
- ►DNN Regression
- ► DNN分類-使用Keras
- ►加入更多訓練技巧-Batch Normalization, Dropout, Early Stopping…
- ►CNN
- ►CNN網路運作原理
- ►CNN圖像分類-使用Keras
- ►Image Augmentation
- ►知名CNN網路模型(AlexNet、VGG16、ResNet50…)
- ►Transfer Learning原理與實作
- ►YOLO 多物件偵測與程式架構說明
- ►Appendix I : Google Colaboratory 使用說明
- ►Appendix II: GPU配置教學與效能評估
影像處理實務 單元
- ►影像處理實務
- ►數位影像的生成與結構
- ►OpenCV 基礎認識
- ►OpenCV可以做什麼
- ►函式庫的組成及內容
- ►環境配置
- ►Python簡介
- ►IDE(VS Code) + CV Library
- ►影像格式與資料結構
- ►影像處理四部曲
- ►影像讀取
- ►影像顯示
- ►色彩空間轉換
- ►影像儲存
- ►視頻: VideoCapture
-
- 像素層級運算
- ►影像基本資訊
- ►值 : Pixel value
- ►圖像ROI (Region of interests)
- ►拆解和合併通道 (RGB)圖像基本運算
- ►圖像混和
- ►影像正規化與二值化
- ►型態學運算
- ►卷積運算 (Convolution)
- ►影像去雜訊、模糊與強化
- ►影像的幾何轉換
- ► UI Bar
- ► 繪圖
- 影像處理與特徵擷取
- ►影像特徵擷取
- ►特徵擷取算法--Fast, Harris, GFTT, SIFT, SURF, STAR, BRISK, ORB, Histogram
- ►HOG演算法
- ►Edge
- ►直線偵測
- ►圓形偵測
- ►角點偵測
- ►影像物件計數與分析
- ►AOI自動光學檢測機(產業趨勢分享與解析)
- ►從事影像演算法研發人員在產業中的定位
- ►Template Matching
- ►取得邊緣點
- ►擬合直線
- ►測量線到線的距離
- ►基本知識
- ►分水嶺算法
- ►影像的處理
- ►實作CXR肺分割
- ►移除脊椎
- ►角點偵測
- ►計算肺部區域
- ►影片資料處理概念
- ►攝影機取像 、運算 、儲存
- ►檔案讀取與屬性
- ►透過VidStab實作視頻穩定
- ►使用VidStab類
- ►幀到幀的座標轉換
- ►使用Borders與Frame Layering
- ►套用視頻穩定算法
- ►應用於線上視頻
業界師資
David▶ 中央大學資訊工程系碩士
▶ 前深圳知名科技公司技術總監
▶ 台灣知名上市科技公司經理
▶ 工業檢測2D/3D AOI / 機器人視覺/演算法開發/ 軟體架構
Bob▶ 中央大學太空所碩士
▶ 知名上市電子消費品大廠影像事業部研發工程師
▶ ROS機器人開發 / 無人機韌體開發 / OpenCV影像處理與電腦視覺開發 / Linux嵌入式系統
Jay▶ 台北科技大學機電整合研究所碩士
▶ 知名上市電子消費品大廠軟韌體研發部研發工程師
▶ ROS機器人開發 / OpenCV影像處理與電腦視覺開發 / Linux嵌入式系統 / 機器學習 / 深度學習
OpenCV擁有許多優勢，如：
(1)OpenCV提供了友善的程式語言接口，Python、C/C++、JAVA或C#的程式開發者都能使用這套函式庫。
(2)OpenCV具備優秀的跨平台能力，程式碼無轉換問題，可充分移植到包含 Windows、Linux、Mac OS、Android、IOS。
(3)良好的嵌入式系統適應性，廣泛被應用於 Embedded Linux / Mobile Platform 環境及樹莓派、香蕉派等 Maker 開發板，開發出各種實用、創新的應用
(4)功能強健並高度優化，可以透過支援 CUDA 和 OpenCL 實現 GPU 加速
(5)開源且免費。
在眾多優勢下， OpenCV儼然已成為視覺演算法開發領域的標準庫。
在嵌入式系統中使用電腦視覺技術，即是嵌入式視覺(Embedded Vision)。
過去電腦視覺應用著重在手機、平板等嵌入式產品，如今因應人工智慧跨入物聯網，相關終端產品需求大增，也讓嵌入式視覺越來越重要！能夠囊括電腦視覺與嵌入式技術者，在產業中可說是佔盡優勢！
而嵌入式視覺，是產品智慧化中最重要的應用之一，透過機器學習與深度學習，使裝置本身具有判斷力並能採取行動，諸如以視覺導向的機器人或「協作機器人」應用、車載輔助駕駛系統(車道偏移、前車偵測、疲勞監控)等。所有具備視覺功能的嵌入式系統都必須認真看待機器學習與深度學習技術，以做為產品差異化與大幅提升系統智慧的手段！
- 學到很多 對工作很有幫助
- 收穫滿滿
- 獲益良多！建議多開AI GPU等相關課程
- 第一次體驗遠距教學，整體的感覺很不錯。
- 課程相當有趣，老師很專業，且講課淺顯易懂，讓我學到很多
- 獲益良多，謝謝老師講解很清楚
- 了解深度學習細部運作模式
- 符合目前工作上之運用
- 理解如何應用OpenCV解決問題
