AI影像辨識工程師特訓班
學會在不同類圖片具有高階語意相似性時，應用Hierarchical loss 以進一步提升圖片分類精度
學會應用語意分割模型，實現可行駛區域偵測
學會修改物件偵測模型，以分別偵測車子的顏色與車型
學會利用生成式對抗網路實現行車影像天候轉變
建立文字偵測和識別技術的基礎-透過學習近年來規則文字相關研究方向和方法來套用在常見的應用上，例如：車牌偵測和識別
了解在複雜圖像背景裡的不規則文字偵測和識別-加深對文字模型的理解並探討在更複雜的圖像上進行不規則文字偵測和識別所面對的挑戰和解決方案
學會應用語意分割模型，實現可行駛區域偵測
學會修改物件偵測模型，以分別偵測車子的顏色與車型
學會利用生成式對抗網路實現行車影像天候轉變
建立文字偵測和識別技術的基礎-透過學習近年來規則文字相關研究方向和方法來套用在常見的應用上，例如：車牌偵測和識別
了解在複雜圖像背景裡的不規則文字偵測和識別-加深對文字模型的理解並探討在更複雜的圖像上進行不規則文字偵測和識別所面對的挑戰和解決方案
開課單位：緯育股份有限公司
課程大綱：一.進階圖片分類模型訓練
1. 圖片分類模型簡介： Alexnet ,VGG ,Googlenet , ResNet
2.圖片分類模型實作：人臉分類模型
3.圖片分類模型的盲點
4.圖片分類模型的超參數最佳化： Optuna
5.圖片分類模型超參數最佳化實作
6.進階圖片分類模型訓練： Hierarchy Loss
7.進階圖片分類模型實作
8.專題實作：進階圖片分類模型訓練
二.語義影像分割
1.語義分割模型簡介：從 FCN 到 DeepLabv3+
2.Self training 及其在語義分割模型之應用
3.語義分割模型實作 (1)： FCN
4.語義分割模型實作 (2)： DeepLabv3
5.專題實作：影像分割
三.多標籤物體偵測
1.物件偵測模型簡介： YOLOv1~ v7
2.物件偵測模型實作 (1)：口罩偵測
3.物件偵測模型實作 (2)：多標籤物體偵測模型訓練
4.專題實作：修改 YOLO 模型實現多標籤物體偵測
四.生成式對抗網路
1.生成式對抗網路基本原理
2.成對與非成對 GAN 模型簡介： Pix2pix 與CycleGAN
3.多領域 GAN 模型： StarGAN
4.結構一致 GAN 模型： AugGAN
5.GAN 模型實作：日夜影像轉換
6.專題實作：生成式對抗網路
五.規則文字偵測與辨識
1.規則文字偵測和辨識的常用資料集
2.規則文字資料集的量化指標
3. Regular Text Detection Methods EAST,TextBoxes
4. Regular Text Recognition Methods CRNN, CNN + CTC
5. Introduction to PaddleOCR
6. EAST + CRNN for License Plate Recognition
7.專題實作：車牌偵測與辨識
六.曲線文字偵測與辨識
1.曲線文字偵測和辨識的常用資料集
2.曲線文字資料集的量化指標
3. Irregular Text Detection Methods CRAFT, PAN
4. Irregular Text Recognition Methods ASTER, TRBA
5. CRAFT + ASTER for Signboard Recognition
6.專題實作：路牌與告示板上的文字偵測與辨識
1. 圖片分類模型簡介： Alexnet ,VGG ,Googlenet , ResNet
2.圖片分類模型實作：人臉分類模型
3.圖片分類模型的盲點
4.圖片分類模型的超參數最佳化： Optuna
5.圖片分類模型超參數最佳化實作
6.進階圖片分類模型訓練： Hierarchy Loss
7.進階圖片分類模型實作
8.專題實作：進階圖片分類模型訓練
二.語義影像分割
1.語義分割模型簡介：從 FCN 到 DeepLabv3+
2.Self training 及其在語義分割模型之應用
3.語義分割模型實作 (1)： FCN
4.語義分割模型實作 (2)： DeepLabv3
5.專題實作：影像分割
三.多標籤物體偵測
1.物件偵測模型簡介： YOLOv1~ v7
2.物件偵測模型實作 (1)：口罩偵測
3.物件偵測模型實作 (2)：多標籤物體偵測模型訓練
4.專題實作：修改 YOLO 模型實現多標籤物體偵測
四.生成式對抗網路
1.生成式對抗網路基本原理
2.成對與非成對 GAN 模型簡介： Pix2pix 與CycleGAN
3.多領域 GAN 模型： StarGAN
4.結構一致 GAN 模型： AugGAN
5.GAN 模型實作：日夜影像轉換
6.專題實作：生成式對抗網路
五.規則文字偵測與辨識
1.規則文字偵測和辨識的常用資料集
2.規則文字資料集的量化指標
3. Regular Text Detection Methods EAST,TextBoxes
4. Regular Text Recognition Methods CRNN, CNN + CTC
5. Introduction to PaddleOCR
6. EAST + CRNN for License Plate Recognition
7.專題實作：車牌偵測與辨識
六.曲線文字偵測與辨識
1.曲線文字偵測和辨識的常用資料集
2.曲線文字資料集的量化指標
3. Irregular Text Detection Methods CRAFT, PAN
4. Irregular Text Recognition Methods ASTER, TRBA
5. CRAFT + ASTER for Signboard Recognition
6.專題實作：路牌與告示板上的文字偵測與辨識
開課日期：2023-08-08
上課時間：每週二19:30~21:30
結束日期：2023-09-12
上課時數：12
預計招生人數：20
費用：學員負擔：3395元/政府負擔：3395元
繳費方式：需先至開課單位繳交全額費用
課程費用：6790元
聯絡人：陳小姐
連絡電話：03-4251108分機241
先備知識： P ython 基本開發能力，包括資料類型、流程控制、函式和模組等
Pytorch 框架開發基礎能力
Pytorch 框架開發基礎能力
授課師資：林哲聰、黃俊傑
招生對象：對於智慧交通影像辨識有興趣，想要成為AI電腦視覺工程師、 AOI自動光學檢測系統開發工程師、文字偵測與辨識系統開發工程師，或者是進一步想成為車牌辨識系統開發工程師、自駕車電腦視覺開發工程師的AI應用產業人才
上課地點：[遠距授課]Google Meet