104學習精靈

機器如何看見世界?看到車子開過來，我們會閃避；遇到認識的人，我們能夠識別。這些動作對人類來說很簡單，但機器做得到嗎？ 隨著電腦運算效率的提升，帶動了深度學習的發展，讓影像領域有了重大的突破。 如今，透過各種影像技術的整合，我們已經能夠讓機器感知世界。 本課程從經典的演算法，如HAAR人臉偵側、Hog 特徵擷取、Adaboost 分類器等演算法，了解如何進行人臉偵測與人臉辨識。同時也以深度學習CNN演算法，來說明如何實現人臉偵測與辨識。 本課程帶你深入了解這些演算法背後的原理，並且對於演算法都以手刻的方式(From Scratch)進行實作。此外,也以Python Tkinter 完成一個人臉門禁系統的小專案。電腦視覺常會依照現場情況有不同的影像處理，因此唯有懂了原理才有可能針對專案的需要，知道如何進行優化與改善，而不侷限於套件工具本身。 學習目標 了解HAAR演算法並知道如何以python實作 (From Scratch) 了解 Adaboost 演算法並知道如何以python實作 (From Scratch) 學會如何利用HARR+Adaboost進行人臉偵測 了解HOG 演算法並知道如何以 python實作 (From Scratch) 學會如何利用HOG + 支持向量機(Support Vector Machine, SVM) 進行人臉或物件識別 學會如何CNN原理及遷移學習的方法，建立人臉識別系統 教學方式 投影片講授及配合程式進行演練 學會如何利用HARR+Adaboost進行人臉偵測 使用Anaconda + Spyder 課程菜單 遠距課程時數:14小時/數位課程時數:14小時 數位觀看天數:30天 精編教材:-精編講義、範例程式碼 -詳細Code 解說且程式範例檔案分類整理 -線上助教系統 課程大綱 電腦視覺-基於HOG與圖像識別 HOG演算法說明與python實作 (From Scratch) 圖檔爬蟲程式撰寫 建立圖檔HOG特徵 Scikit-Learn實現SVM與LogistcRegression 專案: HOG Features+ Classifier :人臉/物品偵測與識別▼ HOG Features+ Classifier :人臉/物品偵測與識別-1 HOG Features+ Classifier :人臉/物品偵測與識別-2 電腦視覺-基於HAAR 人臉偵測 HAAR演算法說明與python實作 (From Scratch) Adaboost Classifier 專案: HAAR Features人臉偵測 CNN深度學習 遷移學習（transfer learning）和微調（fine-tune）原理說明 使用MobileNet建立圖像特徵 (Image Embedding) 建立DNN Classifier MQTT協定- 警示通知 專案: 人臉門禁系統(使用Tkinter界面): 加入/刪除/登入人臉帳號▼

在AI人工智慧應用中，若所有資料都要回傳到雲端中心，計算之後再傳回終端的話，一定會有「網路延遲」產生，而這些延遲可能會對人類安全與生命財產造成嚴重威脅，比方說，自駕車偵測系統若識別前方的物件，先經由網路送至雲端再傳回結果，可能就會因延遲而造成不可挽回的意外事故;再者有些工廠的環境可能網路不穩定或者企業基於網路資安等問題而沒有網路。這些都使AI模型在雲端進行推論時有使用上的困難。 邊緣運算的概念正因此而生，不透過網路將資料傳送到雲端進行推論(Inference)，而是在本機端直接進行推論，加快現場即時反應，讓AI的使用場域更加全面且便利。然而在邊緣進行AI運算，會面臨到本機運算能力及記憶體容量限制等因素，因此也會有一些需要克服的難題，因此本課程先從技術架構、模型優化方法說明並搭配Raspberry Pi 結合Intel NCS2 神經網路加速棒，配合OpenVINO程式碼實作，以實現邊緣運算的應用。 資深講師先幫你打好原理底子，搭配實際操作更有感! 學會以OpenVINO（Open Visual Inference and Neural network Optimization）進行AI模型的格式轉換，進而能將AI模型部署在邊緣裝置上。 學會AI軟硬整合，實現邊緣運算之影像辨識應用 學會AI軟硬整合，實現邊緣運算之影像辨識應用（如人臉辨識與動態影像識別等）。 傳承業師實務開發經驗，提高學習者的AI邊緣運算應用之開效率。 學習目標 1. 學會以OpenVINO（Open Visual Inference and Neural network Optimization）進行AI模型的格式轉換，進而能將AI模型部署在邊緣裝置上。 2. 學會AI軟硬整合，實現邊緣運算之影像辨識應用 3. 學會AI軟硬整合，實現邊緣運算之影像辨識應用（如人臉辨識與動態影像識別等）。 4. 傳承業師實務開發經驗，提高學習者的AI邊緣運算應用之開效率。 章節架構 OpenVino邊緣運算實務 1. 邊緣運算 技術簡介 邊緣運算的開發架構 模型優化的概念 2. OpenVINO邊緣運算實務 Intel NCS2 神經網路加速棒簡介 OpenVINO Toolkit 架構說明 由Keras (.h5)模型轉成IR (.xml & .bin)檔案 Raspberry Pi 安裝OpenVINO 建立OpenVINO應用程式- 程式架構與CMAKE說明 專案: WebCam串流人臉偵測 專案:WebCam 即時手寫數字辨識 (OpenCV與MNIST)▼ 3. 基本Raspberry Pi 使用入門