104學習精靈

最多人推薦學習的 AI 影像辨識訓練課程，使用最新生成式 AI 與 PyTorch 框架，連續三年榮獲工業局 AIGO 計畫肯定，包含各種瑕疵類型介紹以及實際將 AI 深度學習應用在不同類型的 AOI 瑕疵檢測。

學習滿意度高達85分好評！5堂線上課程＋8次直播實作的全線上培訓模式，5大類醫療影像辨識的AI應用，超過13種醫學影像分析實作，成果包含新冠肺炎X光分類、病歷資料分析、糖尿病視網膜病變病灶嚴重度分級、3D胸腔醫學影像分類輔助診斷等。

AI影像辨識工程師特訓班採用線上課程＋直播課程的全線上培訓模式，帶你了解機器學習、深度學習原理、Diffusion model基本原理，學習使用PyTorch、YOLO等深度學習框架，實作多種AI影像辨識專題，包含圖片分類模型訓練、影像分割、多標籤物體偵測、生成式對抗網路和文字偵測與辨識等。

隨著美中貿易戰持續升溫與疫情肆虐，全球的工業布局重新洗牌，醫療科技瞬間抬頭的趨勢下，電腦視覺在工業與醫學資訊的應用更是勢不可擋。而影像視覺是AI的三大應用重點之一，OpenCV是電腦視覺開源應用的始祖，其兼容Python語言更使其與AI的整合更加容易。 在工業檢測AOI領域中，OpenCV是業界算法軟體自製的唯一選擇。在醫學領域，可透過Python套件實現許多醫學影像的讀取與寫入，搭配OpenCV的使用更可實現相關的影像分割等算法。 本課程由資深業師濃縮多年影像實戰經驗，提取最佳學習路徑，透過Python與OpenCV，帶領學員縱橫物件偵測、車牌辨識、工業AOI、醫學影像、視頻監控等應用，引導學員們一揭電腦視覺與開源社群的浩瀚海洋，使具備紮實的戰力投入於理想的視覺應用領域中。 適合對象 欲從事影像處理、電腦視覺、影像分析、影像辨識等演算法開發與實作驗證的工程師、研究者、創客。 想了解影像處理的演算法於嵌入式系統之移植與效能調整。 理解數位電腦視覺原理並能實作，包含：影像特徵提取、特徵強化、輪廓萃取、卷積運算、型態學運算。 從事深度學習在影像處理(如CNN)的研發，而對於影像處理關於物件識別、偵測的底層知識有興趣。 從事FPGA 影位影像訊號的處理，但想要理解底層影像處理相關的演算法。 課程大綱 第一階段 影像處理實務 影像處理實務 -數位影像的生成與結構 OpenCV 基礎認識 -OpenCV可以做什麼 -函式庫的組成及內容 環境配置 -Python簡介 -IDE(VS Code) + CV Library 影像格式與資料結構 影像處理四部曲 -影像讀取 -影像顯示 -色彩空間轉換 -影像儲存 視頻: VideoCapture 影像基本資訊 -值 : Pixel value -圖像ROI (Region of interests) -拆解和合併通道 (RGB)圖像基本運算 -圖像混和 影像正規化與二值化 型態學運算 卷積運算 (Convolution) 影像去雜訊、模糊與強化 影像的幾何轉換 UI Bar 繪圖 影像處理與特徵擷取 -影像特徵擷取 -特徵擷取算法--Fast, Harris, GFTT, SIFT, SURF, STAR, BRISK, ORB, Histogram -HOG演算法 輪廓搜尋與提取 -影Edge -直線偵測 -圓形偵測 -角點偵測 -影像物件計數與分析 第二階段 主題實作 自動車牌辨識(ALPR) -基礎知識 - YOLO -使用PaddleOCR建置自動車牌辨識 -使用YOLOv4建置自動車牌辨識 -PaddleOCR方法比較: pp-ocr, pp-ocr(server), SRN AOI測量 -AOI自動光學檢測機(產業趨勢分享與解析) -從事影像演算法研發人員在產業中的定位 -Template Matching -取得邊緣點 -擬合直線 -測量線到線的距離 0001 OP 0002 OP 醫學影像 -醫學影像基本知識 -分水嶺算法 -影像的處理 -實作CXR肺分割 -移除脊椎 -角點偵測 -計算肺部區域 透過OpenCV實作CXR肺分割 視訊處理與視訊穩定 -影片資料處理概念 -攝影機取像 、運算 、儲存 -視訊檔案讀取與視訊屬性 -透過VidStab模組實作視頻穩定 -使用VidStab類 -幀到幀的座標轉換 -使用Borders與Frame Layering -套用視頻穩定算法 -應用於線上視頻 0004 OP ※以上應用主題，每梯次選用可能不同 ※實際授課大綱請以提供之最新開課簡章內容為準 *本課程需準備WebCam

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▼