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機器學習物體偵測演算法,也就是特徵(Feat.......

適合對象:高階主管 、中階主管 、專業人員 、技術人員

 

基於電腦視覺之物體偵測與辨識

上課地址:工研院產業學院 產業人才訓練一部(台北) (實際地點依上課通知為準!)

時數:12

起迄日期:2020-03-06~2020-03-13

聯絡資訊:吳意嵐/02-23701111#303

報名截止日:2020-03-04

課程類別:人才培訓(課程)

活動代碼:2319120045

 課程介紹

十幾年前由美國國防高等研究計劃署(Defense Advanced Research Projects Agency, DARPA)舉辦的無人車Grand Challenge開啟了自動駕駛汽車研發熱潮,近年來各大車廠無不積極發展自駕車技術,基於電腦視覺之物體偵測與辨識更是自駕車之核心技術之一,以色列大廠Mobileye即為本領域中之技術領先者,其它國家包含台灣也正急起直追發展此技術。本課程首先將介紹傳統的機器學習物體偵測演算法,也就是特徵(Feature)+分類器(Classifier)之手法,並運用到汽車偵測之應用中。

從2010年開始,Imagenet所舉辦的大規模視覺辨識競賽( Imagenet Large Scale Visual RecognitionCompetition, 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,各種不同的卷積神經網路(Convolutional Neural Network, CNN),如Alexnet, GoogLenet, VGG,ResNet等分類器即是此比賽的產物,其圖像分類之能力在2015年正式由ResNet突破了人類判斷的精準度。

近年來,基於CNN之物體偵測亦從Two-Stage的R-CNN, Fast R-CNN, Faster R-CNN, 一路進化One-Stage的YOLO(You Only Look Once)與SSD( Single Shot Multibox Detector)與其進階版YOLOv2與YOLOv3,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。然而這些模型往往需要極為強大的GPU才能達到即時運算,基於輕、薄、短、小CNN之物體偵測模型(SSD-Mobilenet, SSDLite-MobilenetV2, YOLOv3-MobilenetV2, Pelee)之辨識率雖無法達到State-Of-The-Art,但在嵌入式系統上的效能(NVIDIA TX2或NVIDIAJetson Nano)已經大略能符合各式物體偵測應用之需求。

在2014年,Ian Goodfellow提出了生成式對抗網路(Generative Adversarial Network, GAN),這種類神經網路被CNN之父Yann Lecun喻為是機器學習領域中,十年來最有趣的想法,本課程將會從其基本概念開始,內容包括了各種GAN模型(Pix2Pix, CycleGAN, UNIT, MUNIT, Pix2Pix HD, Video-to-Video, BigGAN)之差別以及 GAN如何應用在物體偵測這個電腦視覺最重要的應用上。

本課程將分別從感測器、開發平台、演算法等角度切入物體偵測與辨識系統,著重在機器學習及深度學習原理之介紹,期待學員能藉由此課程進入視訊監控系統、影像式先進駕駛輔助系統甚至是自駕車之研發領域。

 

課程目標

  1. 協助具電腦視覺專長之學員切入視訊監控以及車輛電子領域
  2. 未來可銜接各類程式設計/機器學習/深度學習課程
  3. 協助台灣產業切入先進駕駛輔助系統(ADAS)及自駕車

課程資訊

舉辦日期:1090306日、0313日(隔週五),0930~1630(共12小時)

舉辦地點:工研院產業學院  產業人才訓練一部(台北) (實際地點依上課通知為準!)

主辦單位:工研院產業學院  產業人才訓練一部(台北)

課程大綱

ü  物體偵測及其在生活中各種應用之簡介

ü  影像感測器以及各種影像缺陷簡介

ü  開發平台、辨識率以及量化分析架構簡介

ü  基於機器學習之車輛偵測(運用Haar Wavelet+SVM)簡介

ü  深度學習(Deep Learning)簡介

ü  知名卷積神經網路(CNN)簡介

ü  輕、薄、短、小CNN

(Squeezenet, Shufflenet, Mobilenet, Xception)簡介

ü  卷積神經網路之訓練細節簡介

ü  基於CNN之物體偵測 (R-CNN, Fast R-CNN, Faster R-CNN)模型簡介

ü  基於單一CNN之物體偵測(YOLO, SSD, YOLOv2, YOLOv3)模型簡介

ü  基於單一輕、薄、短、小CNN之物體偵測 (SSD-Mobilenet, SSDLite-MobilenetV2, YOLOv3-MobilenetV2, Pelee)模型簡介

ü  生成式對抗網路(GAN)簡介

ü  知名GAN模型(Pix2Pix, CycleGAN, UNIT, MUNIT, Pix2Pix HD, Video-to-Video, BigGAN)及其於物體偵測之應用簡介

課程對象

車用影像安全系統技術發展相關人員。

講師簡介

林哲聰   老師
現職: 工研院機械所研究員

學歷: 台灣大學應用力學研究所碩士/清華大學資工系博士候選人

經歷: 工研院機械所副研究員,加州大學聖塔芭芭拉分校資工系訪問研究員

   上奇資訊-計算機概論 共同譯者

      2010 伽利略創新大賽 台灣區季軍
   2011 伽利略創新大賽 特別獎(GNSS Living Lab)得主
   2013 伽利略創新大賽 瑞士區冠軍

      2016 日本立命館大學英文演講比賽 清華大學代表

      2017 CVGIP 行人偵測競賽 亞軍

      2017 MOST 生成式對抗網路競賽 佳作

      2018第八屆兩岸清華研究生學術論壇 清華大學代表

      2019 IEEE ICIP Three Minute Thesis Competition (3MT®): Finalist

專長: Computer Vision, Image Processing, Pattern Recognition, Machine Learning, Deep Learning, GPS , Embedded System, iPhone Programming

已於車用影像安全警示系統領域中發表過二十五篇國際論文,十五篇國內論文,以及十三篇專利。

價格

非會員:原價:每人 $ 6,500 

開課 10 天前同一公司二人()以上報名:每人 $ 6,000 元。

  員:原價 6,500 +勤學點數(600 )折抵,每人 $ 5,900 

            開課 10 天前同公司二人()以上報名,
         原價 
6,000 +勤學點數(600 )折抵,每人可享優惠價 $ 5,400 
元。
加入工研院產業學院會員 (http://college.itri.org.tw/LoginMember.aspx) 可以保存您的學習紀錄、查詢及檢視您自己的學習歷
未來有相關課程可優先獲得通知及更多優惠

常見問題

●報名方式:
1.點選課程頁面上方之「線上報名」按鈕進而填寫報名資訊即可。

2.或E-mail至itri533299@itri.org.tw
3.請填妥報名表(附件)傳真至02-23811000。


● 課程洽詢: 
02-23701111#303 吳小姐


● 繳費資訊:
(一)ATM轉帳(線上報名):繳費方式選擇「ATM轉帳」者,系統將給您一組轉帳帳號「銀行代號、轉帳帳號」,但此帳號只提供本課程轉帳使用, 各別學員轉帳請使用不同轉帳帳號!!
 轉帳後,寫上您的「公司全銜、課程名稱、姓名、聯絡電話」與「收據」傳真或E-mail  吳小姐。
(二)信用卡(線上報名):繳費方式選「信用卡」,直到顯示「您已完成報名手續」為止,才確實完成繳費。
(三)銀行匯款(限由公司逕行電匯付款):土地銀行工研院分行,帳號156-005-00002-5(土銀代碼:005)。戶名「財團法人工業技術研究院」, 匯款後,寫上您的「公司全銜、課程名稱、姓名、聯絡電話」與「收據」傳真或E-mail  吳小姐。
(四)即期支票:抬頭「財團法人工業技術研究院」,郵寄至:10047台北市中正區館前路65號7樓 吳小姐 收。

※繳費後請於收據上註明「公司名稱、課程訊息、姓名、聯絡電話」,傳真至產業學院 02-23701111#303 吳小姐

貼心提醒
※以下注意事項─敬請您的協助,謝謝!
1.為確保您的上課權益,報名後若未收到任何回覆,請來電洽詢方完成報名。
2.若報名者不克參加者,可指派其他人參加,並於開課前一日通知。
3.因課前教材、講義及餐點之準備,若您不克前來需取消報名,請於開課前三日以EMAIL通知主辦單位聯絡人並電話確認申請退費事宜,逾期將郵寄講義,恕不退費。


附件
 【DM】030613 基於電腦視覺之物體偵測與辨識.pdf
 【報名表】030613 基於電腦視覺之物體偵測與辨識.docx


簡介


產業學院緣起
  依據行政院「挑戰2008:國家發展重點計畫」下之「國際創新研發基地」與「產業高值化」兩計畫,首重產業科技人才的效能。

•911216經科字第09103373120號函:經濟部將本院籌設工研院產業學院之工作,列為因應產業結構轉型,提