週別 | 課程大綱 | 教學內容 |
---|---|---|
第一週 | CNN總簡介 | 1.CNN 概念 2.CNN 著名的模型 3.CNN 應用 |
物件偵測介紹 (包含YOLOv4) | 1.物件偵測基本概念 2.常用評估指標 3.物件偵測模型 | |
第二週 | 影像切割 (Segmentation) | 1.影像分割基本概念 2.常用評估指標 3.影像分割模型 |
Domain Adaptation | 1.Naive Transfer Learning 2.Representation Disentanglement 3.Supervised vs. Unsupervised Feature Disentanglement | |
物件偵測實作 | YOLOv4+Transfer Learning 實作 | |
影像分割實作 | Segmentation+Domain adaptation 實作 | |
第三週 | 進階物件偵測主題 | 1. YOLOR 2.Tracking 3.Small Object Detection 4.YOLO Tiny 5.Model Compression |
進階物件偵測主題實作 | 手把手帶領各進階主題實作 | |
第四週 | AIA案例分享 | 分享各種產業對於物件偵測的應用場景與實際應用案例 |
專題實作引導 | 從資料收集與清理、資料標註、模型訓練與調整、佈署到裝置 | |
第五週 | 業界案例演講 | 邀請業界人士分享物件偵測成功個案與落地經驗分享 |
專題實作引導 | 從資料收集與清理、資料標註、模型訓練與調整、佈署到裝置 |
Copyright© 台灣人工智慧學校 | Taiwan AI Academy 版權所有