本課程以影像處理技巧開始，接著應用深度學習的演算法來進行影像偵側、識別等高階影像處理。由於AI邊緣運算具有減少數據誤差與傳送延遲的特性，因此即時影像分析傳到雲端處理比以往來的更順暢且更安全，對於智慧家居、自駕車、生產瑕疵檢測、安防監控、醫療影像等應用更符合產業發展需求。

課程目標

1. 具備AI關鍵技術開發能力及影像偵測與辨識技能。
2. 利用OpenCV 4.x 處理影像視覺等相關設計問題。
3. 延伸於多方面的應用，如AI品檢系統瑕疵檢查、影像預處理...等。
4. 使用Intel神經運算棒2實現邊緣運算之應用(人臉識別、物件識別...)並了解影像處理流程，以及對邊緣運算的趨勢與應用有更深入的了解。

課程內容

Ch1 - 影像處理

1. 課程內容

   • 數位影像格式與資料結構
   • 影像處理與辨識基礎理論
   • 辦識系統OpenCV 4.x 影像處理應用建置與開發實戰

 

Ch2 - 物件偵測方法

1. 課程內容

   • 邊界偵測
   • 特徵偵測
   • 物體偵測
   • 動態物體偵測
   • HOG應用DLib
   • 影像辨識應用
   • LBP應用

 

Ch3 - 深度學習開發環境建置與探討

1. 課程內容

   • 深度學習導論
   • TensorFlow套件
   • 開發環境建置與操作（Google Colaboratory
   • 紹多種深度學習類神經網路架構（DNN, CNN, RNN …）

 

Ch4 - 深度學習開發環境建置與探討

1. 課程內容

   • Intel NCS2神經網路運算裝置架構分析探討
   • Edge computing邊緣計算分散式運算架構解析與IntelOpenVino Toolkit整合應用。
   • OpenVino應用程式實戰各項案例（辦識、偵測與預測應用）
   • 實戰應用OpenVino Runtime development
   • 專題實作（物體辨識系統）