研訓活動

基於電腦視覺之物體偵測與辨識

發布單位 : 工業局        發布日期 : 2020-05-05

 

一、課程簡介:
十幾年前由美國國防高等研究計劃署(Defense Advanced Research Projects Agency, DARPA)舉辦的無人車Grand Challenge開啟了自動駕駛汽車研發熱潮,近年來各大車廠無不積極發展自駕車技術,基於電腦視覺之物體偵測與辨識更是自駕車之核心技術之一,以色列大廠Mobileye即為本領域中之技術領先者,其它國家包含台灣也正急起直追發展此技術。本課程首先將介紹傳統的機器學習物體偵測演算法,也就是特徵(Feature)+分類器(Classifier)之手法,並運用到汽車偵測之應用中。
從2010年開始,Imagenet所舉辦的大規模視覺辨識競賽( Imagenet Large Scale Visual Recognition Competition, ILSVRC )以前所未有的資料量(>1 million)帶起了深度學習(Deep Learning)的熱潮,從2012年開始,各種不同的卷積神經網路(Convolutional Neural Network, CNN),如Alexnet, GoogLenet, VGG,ResNet等分類器即是此比賽的產物,其圖像分類之能力在2015年正式由ResNet突破了人類判斷的精準度。
近年來,基於CNN之物體偵測亦從Two-Stage的R-CNN, Fast R-CNN, Faster R-CNN, 一路進化One-Stage的YOLO(You Only Look Once)與SSD( Single Shot Multibox Detector)與其進階版YOLOv2與YOLOv3,而這樣的單一CNN即可同時偵測多類(行人、腳踏車、汽車、機車、巴士等)物體。然而這些模型往往需要極為強大的GPU才能達到即時運算,基於輕、薄、短、小CNN之物體偵測模型(SSD-Mobilenet, SSDLite-MobilenetV2, YOLOv3-MobilenetV2, Pelee)之辨識率雖無法達到State-Of-The-Art,但在嵌入式系統上的效能(NVIDIA TX2或NVIDIA Jetson Nano)已經大略能符合各式物體偵測應用之需求。
在2014年,Ian Goodfellow提出了生成式對抗網路(Generative Adversarial Network, GAN),這種類神經網路被CNN之父Yann Lecun喻為是機器學習領域中,十年來最有趣的想法,本課程將會從其基本概念開始,內容包括了各種GAN模型(Pix2Pix, CycleGAN, UNIT, MUNIT, Pix2Pix HD, Video-to-Video, BigGAN)之差別以及 GAN如何應用在物體偵測這個電腦視覺最重要的應用上。
本課程將分別從感測器、開發平台、演算法等角度切入物體偵測與辨識系統,並著重在機器學習及深度學習原理之介紹,期待學員能藉由此課程進入視訊監控系統、影像式先進駕駛輔助系統甚至是自駕車之研發領域。
二、招生對象:
車用影像安全系統技術發展相關人員。
三、上課時數:12小時
四、預定人數:15人
五、費用:學員負擔6000元,政府負擔6000元
六、執行計畫名稱:金屬產業智機化提升計畫
七、開班單位:工業技術研究院
八、課程聯絡人/聯絡電話:陳先生/02-23701111-315
九、相關網址:https://college.itri.org.tw/course/all-events/3CBC3DE1-6F36-4576-A05A-4C494B4AD951.html
十、開班單位保留調整課程內容之權利,以上資訊若有更動,依上述網站公告為準,恕不另行通知,敬請見諒。

 
活動資訊
  • 基於電腦視覺之物體偵測與辨識 (2020-05-22 08:00 ~ 2020-05-29 17:00)
    (臺北市中正區館前路65號7樓)
    參與人: 陳先生
    聯絡人:陳先生 (02-23701111-315)
     
    聯絡資訊
    聯絡單位:
    工業技術研究院
    聯絡單位連絡人:
    陳先生
    聯絡單位電話:
    02-23701111-315