繼CNN (Convolutional Neural Network) 網路發展之後,另有一實用的R-CNN (Region-based Convolutional Neural Networks) 網路被開發應用於多物件偵測(multiple object detection),其發展過程大致可分成較為精確但無法即時(real time)處理的Faster R-CNN及Mask R-CNN與較不精確但可即時處理的SSD (Single Shot MultiBox Detector)及YOLO(You Only Look Once)等多物件偵測方法;此四種物件偵測方法結合當代CNN類神經網路機器學習的優點,加上多區域及多解析度的平行辨識能力,使其優於傳統的影像辨識方法,成為當今影像物件偵測的主流方法;可應用於機器人與自駕車的視覺辨識、生產線產品的瑕疵辨識、保全系統的自動化辨識等許多與機器視覺相關的領域;等於是賦予人工智慧應用系統一多維度的眼睛,從此人工智慧系統對外界環境不再是瞎子摸象,可確實的感知外界物件的存在及其位置,進而推測其動態的變化。因此,此多物件偵測技術確實為人工智慧打開了一道視覺的任意門,使人工智慧技術得以實在的融入到我們的生活。

本課程以R-CNN為主軸,深入介紹Faster R-CNN、Mask R-CNN、SSD、YOLO等物件偵測方法;內容包含演算法講解及其重要的部分程式碼追蹤,使學員可以充分的瞭解其設計方法,並實用於與人工智慧視覺辨識相關的產品研發。

立即報名

4/15前報名即享早鳥優惠 8400 元 2019/01/21 00:00 ~ 2019/04/15 00:00 報名截止

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