自從西元 1998 年 Yann LeCun 大師提出 LeNet 神經網路 (Neural Network) 作為手寫文件的辨識方法之後,Convolutional Neural Network (CNN) 網路架構成功的提昇了神經網路的執行效率;同時也證明了將神經網路應用在實際產品的可行性。到了西元 2012 年 Geoffery Hinton 大師所提出的 AlexNet (含有 8 層網路深度) 在 ImageNet 年度影像識別大會 (ILSVRC-2012) 奪得當年比賽的冠軍,將辨識的錯誤率降低至 16.4%,受到當時各界的矚目,也更證明了深度學習 (Deep Learning) 的效果及實用性。接著在西元 2014 年,Google 團隊更提出了深度為 22 層的 GoogLeNet 神經網路,在ILSVRC-2014 比賽中贏得冠軍,更將辨識的錯誤率降低至 6.7%;Google 同時也運用深度學習的技術實現了許多智慧型的服務,例如 Google Now 語音辨識、Gmail 自動回信、Gmail 垃圾郵件判斷、Google相簿自動分類與辨識、Google 翻譯等。因此,深度學習的技術已漸漸地實現了許多我們期待已久的人工智慧 ( Artificial Intelligence ) 應用系統;加上現今 CPU與 GPU 平行處理能力的大幅增長,更促進了目前深度學習,尤其是影像處理被開發的腳步。

課程目標為學習藉由Python及OpenCV,在TensorFlow平台上開發具有人工智慧功能的影像辨識、偵測、解讀、下標題、內容理解等處理程式。並透過整合多層次的RNN及LSTM等神經網路架構,實現傳統演算法無法完成的影像內容解析功能,培養學員熟悉深度學習演算法,並應用於人工智慧影像處理的程式開發。

立即報名

2/1前報名即享早鳥優惠 8400 元 2018/11/25 00:00 ~ 2019/02/01 00:00 立即報名

本課程由 iiieduites 發佈

課程問答

我要提問

對課程有任何問題,都歡迎在這裡向開課單位提問

相關課程

0 人收藏

[台北]資策會教研所-數位人才培育中心 [台北]資策會教研所-數位人才培育中心

0 人收藏