深度學習影像辨識|YOLO物件偵測全解析

課程資訊 課程大綱 開課單位 常見問答
Loading...
線上課程

深度學習影像辨識|YOLO物件偵測全解析

4437次瀏覽
NT$2,682 $2,980
優惠現領
9 折
【指定課程:限定優惠】
課程資訊
本頁面課程內容及活動資訊概由廠商提供,部分內容非屬104服務範疇,會員應遵守之規範悉依 104課程中心會員規約 所載。
上課時間 無限期觀看課程查看更多
上課方式 於開課單位網站兌換後觀看課程
課程內容
課程大綱
展開全部
1 課程介紹與說明
01
課程前導I歡迎您一同學習
02
學習路徑I適性化的學習建議
03
實作範例連結I課程講義下載
2 物件偵測介紹
01
單元二大綱
02
什麼是物件偵測?
03
物件偵測資料集介紹
04
如何計算物件偵測最重要的指標(Average Precision)?
05
Average Precision 實作練習:比較不同偵測結果下的AP
06
何謂非極值抑制(Non-Maximal Suppression)?
07
Non-Maximal Suppression實作
08
單元二測驗
3 運用YOLOv1實現口罩偵測應用
01
單元三大綱
02
二階段物體偵測:R-CNN, Fast R-CNN以及Faster R-CNN
03
單階段物體偵測:回顧二階段物體偵測模型之間的差異以及待改進之處
04
YOLOv1 原理介紹與二階段物體偵測模型之優勢與劣勢
05
SSD 介紹:另一種單階段物體偵測模型
06
YOLOv1 實作1:Pascal VOC資料集上的模型訓練
07
YOLOv1 實作2:口罩偵測
08
單元三測驗
4 運用YOLOv2實現偵測複數個形心位置相同的物體
01
單元四大綱
02
YOLOv2 原理介紹:為何效能超越YOLOv1、Pascal VOC資料集上的模型訓練
03
YOLOv2 實作:Pascal VOC資料集上的模型訓練
04
單元四測驗
5 運用YOLOv3實現Muti-Label物件偵測模型
01
單元五大綱
02
比較Cross entropy與Focal loss的差別
03
YOLOv3 原理介紹:與RetinaNet的差異以及優勢
04
YOLOv3 實作1:Carsim資料集的多類別車輛偵測模型訓練
05
YOLOv3 實作2:Carsim資料集的Muti-Label車輛偵測模型訓練
06
單元五測驗
6 運用YOLOv4在醫學影像,並學會如何最佳化超參數
01
單元六大綱
02
YOLOv4 原理及其架構介紹
03
介紹YOLOv4的原理以及運用Bag of Freebies提升系統效能(上)
04
介紹YOLOv4的原理以及運用Bag of Freebies提升系統效能(下)
05
YOLOv4 實驗結果
06
YOLOv4 實作1:BCCD資料集上的模型訓練
07
各種超參數搜尋技巧介紹:其中包括grid search, random search以及Optuna
08
使用Optuna求解基本二階函數
09
YOLOv4 實作2:運用Optuna最佳化YOLOv4於BCCD資料集之mAP
10
單元六測驗
7 運用YOLOv5整合複數個模型的偵測結果以提升辨識率
01
單元七大綱
02
YOLOv5 原理與各種關鍵模組介紹
03
YOLOv5 實作1:比較不同YOLOv5的inference設定
04
YOLOv5 實作2:在coco128資料集上的模型訓練、 比較使用genetic algorithm最佳化前後的mAP差異
05
單元七測驗
8 比較YOLOX與其它模型的優勢
01
單元八大綱
02
YOLOX的原理以及各種關鍵模組介紹
03
YOLOX 實作1:YOLOX v.s. YOLOv1 在口罩資料集辨識上的辨識率
04
YOLOX 實作2:YOLOX v.s. YOLOv4 比較在BCCD資料集上的辨識率
05
YOLOX 實作3:YOLOX v.s. YOLOv5 比較在coco128資料集上的辨識率
06
單元八測驗
9 2022 最新,YOLOv7 解析與實作!
01
單元九大綱
02
YOLOv7的原理以及各種關鍵模組介紹
03
非YOLOv7所提出的bag-of-freebies
04
YOLOv7 實驗結果
05
YOLOv7 實作1:比較YOLOv1, YOLOX, YOLOv7 在口罩資料集的辨識率
06
YOLOv7 實作2:YOLOv7 在VisDrone資料集的實作
07
單元九測驗
10 2023 最新,YOLOv8 解析與實作!
01
單元十大綱
02
YOLOv8 原理:Backbone與Neck
03
YOLOv8 原理:Head 與 Loss function
04
YOLOv8 原理:訓練與 Data Augmentation
05
YOLOv8 超參數最佳化
06
YOLOv8 實作1:比較 YOLOv1, YOLOX, YOLOv7, YOLOv8 在口罩資料集的辨識率
07
YOLOv8 實作2:比較 YOLOv7 , YOLOv8 在 VisDrone 資料集的辨識率
08
單元十測驗
11 2024 更新,YOLOv9 解析與實作!
01
單元十一大綱
02
YOLOv9 原理:Backbone, Network 與 Neck
03
YOLOv9 原理:模型細節
04
YOLOv9 實驗結果
05
YOLOv9 實作1:比較YOLOv1, YOLOX, YOLOv7-v9 在口罩資料集的辨識率
06
YOLOv9 實作2:比較YOLOv7-YOLOv9 在VisDrone資料集的辨識率
07
單元十一測驗
12 2024 更新,YOLOv10 解析與實作!
01
單元十二大綱
02
YOLOv10 原理:Backbone, Network與Neck
03
YOLOv10 原理:模型細節
04
YOLOv10 實驗結果
05
YOLOv10 實作1:比較 YOLOv1, YOLOX, YOLOv7-v10 在口罩資料集的辨識率
06
YOLOv10 實作2:比較 YOLOv7-YOLOv10 在VisDrone資料集的辨識率
07
第十二單元測驗
13 2025 全站最新!YOLOv11 解析與實作
01
單元十三大綱
02
YOLOv11原理:Backbone, Network與Neck
03
YOLOv11原理:模型細節
04
YOLOv11實驗結果
05
YOLOv11實作1:比較YOLOv1, YOLOX, YOLOv7-v11 在口罩資料集的辨識率
06
YOLOv11實作2:比較YOLOv7-YOLOv11 在VisDrone資料集的辨識率
07
第十三單元測驗
14 完課後方向
01
老師的一封信
02
證書取得方式
你可以學到

| 帶你精準掌握物件偵測的應用與優化


近年來,影像辨識技術持續帶來前所未有的精度,從2015年 YOLOv1 橫空出世,大部份的即時物件偵測系統都是應用 YOLO,這套開源技術在辨識率和速度都有很好的平衡並持續突破,隨著物件的多樣與持續進化的演算法,會需要更多的評估指標(如 mAP),來處理複雜的影像識別

 以下實作問題,你都能清楚回答嗎? 

  我知道 YOLOv1 無法偵測重心在同一個 grid cell 的不同類物體,但 YOLOv2 可以
  我知道 YOLOv3 可以實現單一物體多類別的偵測與辨識
  我知道 YOLOv4 使用了哪些 trick,使得 mAP 大幅提升
  我知道 YOLOX 的 Decoupled head 對辨識率的影響有多大
  我知道 YOLOV5 可以整合複數個模型的結果使得偵測效果更好
  我知道 YOLOX 發現訓練最後把 data augmentation 關掉結果會更好
  我知道 YOLOV7 透過結構重參數化,可以連一步加速推論的速度
  我知道 YOLOV8 結合可平行化的超參數最佳化函式庫幫助使用者最佳化在特定資料集效能
  我知道 YOLOv9 進一步優化只有訓練時才存在的網路結構以得到更好的結果
  我知道 YOLOv10 可以在辨識率略降的情形下捨棄耗時的後處理-Non-Maximal-Suppression 
  我知道 YOLOv11 為什麼相較過去版本,可以在相同辨識率下速度更快
  我知道在我的應用中,使用哪一代的 YOLO 可以得到更好的結果


 跟著本課程學習 "面試最常問" & "比賽最常用" 的演算模型  


| 一次洞悉所有 YOLO 模型訓練技術

本課程將完整解析各種 
YOLO 版本,包含理論介紹與實作,實作內容還包括了如何修改,讓這些模型使其能在客製化的資料集上完成訓練


     
| 直通最新版 YOLOv11.三大需求一次滿足

10+小時 x 20+實作 x 9+模型,額外增加 2025 最新的 YOLOv11 版本!

  • 最完整:YOLOv1~YOLOv11 原理解說.模型差異.技術應用
  • 最實用:涵蓋多產業與場域應用示範
  • 最有效:集電腦視覺、機器學習、深度學習專業於一身的 AI 技術專家,帶你掌握技巧,親自教到你會! 

     
| 進入課程就能隨學即用


學習全球當紅 YOLO,提升與擴展 AI 實務應用技能,幫助你解決工作與專案的各種困境!
適合的學習對象:
想學習深度學習並將深度學習應用於專案
具備程式設計能力但不具備開發 AI 功能,希望能擴展 AI 應用
有機器學習模型開發經驗,想進一步的透過深度學習模型提升開發效能
學習深度學習在電腦視覺上的應用增加就業機會
數學或統計相關科系畢業想增加自身技能
 

 

適合對象
  • 想學習深度學習,並將深度學習應用於專案
  • 具備程式設計能力,但不具備開發 AI 功能,希望能擴展 AI 應用
  • 有機器學習模型開發經驗,想進一步的透過深度學習模型提升開發效能
  • 想學習深度學習在電腦視覺上的應用,以增加就業機會。
  • 數學或統計相關科系畢業,想增加自身技能
課程講師
林哲聰
現任瑞典Chalmers University of Technology博士後研究員經歷|▻ 工研院機械所副研究員/研究員/資深研究員▻ 馬來西亞偉特科技公司(ViTrox)研發顧問▻ 馬來西亞10 EPOCH科技公司研發顧問▻ 加州大學聖塔芭芭拉分校資工系訪問研究員▻ 工研院產業學院講師▻ 清華大學自強基金會講師專長|電腦視覺、機器學習、深度學習及其在駕駛輔助系統以及自駕車之各種應用獲獎經驗|▻ 2020 中華民國資訊學會碩博士最佳論文獎-博士論文佳作▻ 2020 中華民國影像處理與圖形識別學會第十三屆博碩士論文獎-博士論文佳作▻ 2020 AI智慧應用新世代人才培育計畫-人才解題實證(倒車攝影機影像識別-障礙物與逼近偵測): 佳作▻ 2019 IEEE ICIP Three Minute Thesis Competition (3MT®): Finalist▻ 2018 第八屆兩岸清華研究生學術論壇 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▻ 2016 日本立命館大學英文演講比賽 清華大學代表▻ 2013 伽利略創新大賽 瑞士區冠軍▻ 2011 伽利略創新大賽 特別獎(GNSS Living Lab)得主▻ 2010 伽利略創新大賽 台灣區季軍
展開全部
開課單位
緯育TibaMe
緯育TibaMe由全球最大資通訊集團之一的緯創資通集團於2015年正式成立,我們專注於人才培訓與平台服務,發展多元的授課模式,並結合緯育開發的雲端智能化學習系統,有效培育新世代數位化人才。在行動與雲端時代,用科技加值人才培育,持續發展創新與有效的數位教育學習服務。
最新動態 看所有動態

📣免費直播講座│AI世代你該會的高效求職術!報名就有機會獲得履歷+面試QA GPTs工具

【你不是能力不好,只是沒說對話】 面試官問:「為什麼想應徵這份工作?」 你說出一大段,卻被回一句「我們會再通知你」 你不是沒準備,而是少了一個能幫你「講對話」的個人化教練 👉 https://lihi.cc/K3SAn 🎯 如果你也有這些困擾...... 🔹 不知道怎麼對應履歷與職缺要求? 🔹 面試講得真心卻總是沒命中? 🔹 想知道 HR 心裡到底想看到什麼? 📌這場直播,你會學到: 🔥 了解AI 助力下現代人的求職優勢 🔥 求職前必備的優勢盤點技巧 🔥 善用 AI 工具打造面試官讚賞的履歷 & 應答 - NotebookLM 快速比對理想職缺與你的技能落點 - GPTs 一鍵優化履歷、自傳與面試回答 - Gamma 幫你把個人優勢做成視覺亮點,主管一眼看到重點 🎁 報名+出席直播送你「履歷+面試 #GPTs工具」 幫你依據不同求職階段最佳化形象包裝術! ▍ 直播講座資訊 🔹 時間:6/23(一) 20:00~21:00 🔹 講者:資深 AI 培訓顧問 Hubert、職涯溝通表達教練 Nina 🔹 講座形式:線上直播(將於活動前2~3天email提供直播連結) 🔸 立即報名:https://lihi.cc/K3SAn

⏰免費直播報名倒數一週!解鎖AI 人才學習地圖:​產業需求 x 關鍵技能全攻略

AI 技術與工具翻新速度快又急,你是否也在思考:「我該學什麼?又該從哪開始?」6/17 從產業趨勢、熱門 AI 職務到推薦 AI 學習路徑一次滿足你!👉 https://lihi.cc/KaOhy ​ 兩位經常與產業 AI 專家交手,並著力於人才 #AI賦能 的產品經理將為你帶來 ✅ 掌握產業 AI 趨勢 與熱門職務需求解析 ✅ 了解 AI 如何改變職場與工作模式 ✅ AI 帶來的新興職務與未來發展 ✅ 台灣搶手 AI 人才有哪些 ✅ IT 與非 IT 背景 AI 學習重點 ✅ 跨領域轉職 AI 職務的機會點 ​ ​ ▍ ​ 誰適合參加? 👉 想了解產業 AI 趨勢 👉 想認識不同 AI 職務與未來發展 👉 想獲得 AI 工具推薦 👉 想挑選適合自己的 AI 學習路徑 ​ ​ ▍ 直播講座資訊 🔹 時間:6/17(二) 20:00~21:00 🔹 講者:產業 AI 觀察家 吳紹瑜、AI 人才養成推手 黃禹樵 🔹 講座形式:線上直播(將於活動前2~3天email提供直播連結) 🔸 立即報名:https://lihi.cc/KaOhy
常見問答
如何購買課程並開始上課
於欲購買 1. 線上課程之頁面,點擊「立即購買」,成功使用信用卡完成付款並確立訂單成立後,本平台將透過購買填寫之信箱,以郵件方式通知「訂單成立」,後續兌換學習有兩種形式:(A) 若購買學習廠商提供課程,購買後「提供課程兌換序號、兌換連結、兌換碼使用說明」,引導您至購買課程之出版廠商兌換並上課、(B)若購買是104學習系統,購買完可以從郵件、訂單明細、課程詳細頁直接進到站內線上學習。 2. 實體課程之頁面,點擊「立即購買」,成功完成付款並確立訂單成立後,本平台將透過購買填寫之信箱,以郵件方式通知「訂單成立」即可完成報名,後續開課單位會有專員與您聯繫後續事宜。
購買與報名課程付款方式?
僅提供信用卡付款。
有支援信用卡分期嗎?
平台有提供分期服務:結帳金額滿$4,000可享三期零利率,滿$12,000可享六期零利率;分期服務支援銀行公司為:中國信託、台新銀行、玉山銀行,實際分期金額依各發卡行規定
已完成付款,但用錯折扣碼怎麼辦?
請申請退款並重新下單,已使用之折扣碼,本平台將不進行退回,敬請見諒。
線上刷卡後訂單狀態顯示「待付款」
代表您的結帳流程尚未完成,請儘速完成結帳程序,以免課程相關優惠權益失效。
刷卡失敗的原因
可能為以下原因: 1.授權失敗(例:信用卡發卡銀行系統忙碌、網路塞車、刷卡等待時間過久造成系統確認失敗等問題),建議稍待一段時間再重新刷卡。 2.輸入信用卡卡號等相關資料不正確(例:輸入資料不正確、卡號過期、尚未開卡等問題),建議重新確認輸入資訊。
如何選擇紙本發票
為響應政府政策,不主動提供紙本發票,委由金財通系統寄發電子發票開立通知信至學員購買課程時填寫之Email,發票自動存入會員載具,若未收到請告知。
企業請款之憑證,如何申請
若需要進行企業請款,請於購買時輸入統一編號、發票抬頭,本平台將以郵件寄送電子發票方式,至您填寫之信箱。
多久會收到發票
發票將於付款成功,3個工作天內開立,敬請稍候。
如何退款
請參考下方退款須知與流程 1.若您於本平台成功完成付款購買課程,有退款需求,於外部學習廠商兌換之線上課程自購買日起7天內,且未進行課程兌換,可申請全額退費;於104課程中心站內學習課程若購買日起7天內後「未進到學習頁」,可申請全額退費;實體課程須於開課日前 1 日之非假日上班時段前與104學習精靈提出申請,始得要求全額退費。 2.若需申請退款,請使用信件主旨:「課程中心退款申請」,並於信件內容寫明購買人姓名、訂單編號、欲退款之課程名稱,郵件至nabiservice@104.com.tw,本平台將於5個工作天內盡快為您處理。 3.確認提出退款申請時間為課程購買日起7天內,且未進行課程兌換,本平台將與欲申請退款課程之出版廠商,提出會員資料與學習紀錄查詢,確認您課程的觀看紀錄,並同步確認出版廠商訂定之退款事項,是否全數符合。申請退款的同時,即代表您同意本平台與退款課程之出版廠商,提出查詢會員資料與學習紀錄。 4.若您單一訂單中購買兩堂(含)以上課程,不需要整張訂單退款(只退其中幾堂課),退款金額為欲退款課程售價加總後,扣除此張訂單所使用之折扣碼(若折扣碼為整張訂單之折數折扣,則退款金額為欲退款課程售價加總後乘以折數折扣),若計算後退款金額低於(含)0元,本平台將不執行退款。5.上述退款方式僅限於本平台成功完成付款購買之課程,若付款與訂單成立之任一程序不在本平台完成,退款方式需依照課程出版之廠商所訂定之規則提出申請,並由課程出版廠商協助處理,本平台不介入。 6.若您的發票沒有填寫統一編號,並需要辦理退款時,由本平台代為處理發票相關作業 (如作廢電子發票或開立電子發票折讓單),以加速退款作業時程。 7.若您原訂單信用卡分期,其申請退費時,須整筆訂單全額退費,無法部分或擇一課程退費。
款項何時退回
信用卡一次付清:課程退費採原信用卡退刷方式,退費所需之工作天依各金融機構實際作業時間為準。 信用卡分期付款:課程退費採匯款方式,會將退款款項匯款到您的指定帳戶,將由專員與您聯繫提供相關資料,以利後續退款作業。