自強課程

課程名稱
【竹科管理局補助課程】影像辨識於智慧自動化製造的應用(實作)
※早鳥方案:於9/25前(含) 報名,可再享 500 元折扣!
 課程代碼:
10A311
 上課時間:
110/10/14~11/4,每週四,18:30~21:30,共四週12小時。
※敬請留意:原定8/12(四)開課,因故已異動至10/14(四)開課  
 上課時數:
12 小時
 課程費用: (以下費用已由竹科管理局補助80%)
2500元 (科學園區廠商優惠價格需送出報名表後,系統發出報名成功回函確認金額。)
 超值優惠:
  • 科學園區廠商優惠價: 2000 元(★繳費完成才算報名成功喔★)
  •  課程目標:
    鑒於智慧自動化及智慧製造的快速發展,智慧瑕疵偵測、智慧瑕疵分類及智慧影像辨識技術日益重要,本課程的目標是讓學員快速了解:
    1.如何抽取特徵以及如何使用特徵值進行分類。
    2.人工智慧(Artificial Intelligent, AI)、機器學習(Machine Learning)與深度學習(Deep Learning)的基本概念及其差異。
    3.什麼是卷積神經網路 (Convolutional Neural Network, CNN)以及如何使用CNN進行影像的辨識。
     課程特色:
    1.本課程以實作為主,因此不會介紹太多的理論及數學式。
    2.課程中將透過實際案例,引導學員使用Python+Tensorflow+Keras編寫MLP (Multilayer Perceptron,多層感知機)及CNN程式進行瑕疵的分類或影像辨識。
     修課條件:
    本課程適合有意投入智慧檢測、智慧製造產業、或者想了解如何將人工智慧與機器視覺檢測技術應用於品管檢測之人士參加。
     課程大綱:
    1. 特徵抽取與瑕疵分類 (Feature Extraction & Flaw Classification)
    (1)特徵抽取:幾何特徵、顏色特徵、直方圖特徵、紋理特徵
    (2)分類樹、特徵比對
    (3)最近鄰分類器、KNN分類器

    2. 人工智慧簡介(Introduction to Artificial Intelligence)
    (1)人工智慧的定義、演進及應用
    (2)機器學習(Machine Learning) vs. 深度學習(Deep Learning)
    (3)類神經網路(Artificial Neural Networks)
    (4)類神經網路在瑕疵分類上之應用
    (5)安裝Anaconda, TensorFlow及Keras

    3. 以特徵為基之物件分類 (Feature-based Object Classification)
    (1)導入函式庫(Import Library)
    (2)載入數據(Load Data)
    (3)創建模型(Create Model)
    (4)編譯(Compile)
    (5)訓練(Fitting)
    (6)評估(Evaluation)
    (7)預測(Prediction)
    (8)Keras程式實作:
    ▪利用特徵值進行疾病預測
    ▪利用特徵值進行鳶尾花辨識

    4. 卷積神經網路 (Convolutional Neural Networks)
    (1)什麼是卷積(convolution)
    (2)卷積層(convolutional layer)
    (3)激活函數(Activation Function):ReLU, Sigmoid…
    (4)池化層(Pooling layer)
    (5)Dropout layer
    (6)Batch Normalization
    (7)扁平層(Flatten layer)
    (8)全連接層(Dense/Fully connected layer)

    5. 以影像為基之物件分類 (Image-based Object Classification)
    (1)訓練組與驗證組影像檔的建立
    (2)影像資料的強化(Image Data Argumentation)與生成
    (3)網路訓練參數的設定
    (4)訓練精確度與驗證精確度的監控
    (5)AI模型的存檔
    (6)讀取AI模型進行預測/分類
    (7)建立預測函式、顯示預測結果
    (8)Keras程式實作:貓狗分類

    6. 人工智慧影像辨識實作
    (1)Keras二類別物件辨識程式實作:使用自行收集之影像樣本
    (2)Keras多類別物件辨識程式實作:圓形、三角形及四邊形影像的分類
    (3)如何避免過度擬合(Overfitting)?
    ▪Early-stopping
    ▪Dropout, Batch Normalization
    (4)如何提高驗證精確度?
    ▪降低學習率、添加卷積層、增加高階卷積層之遮罩數
    ▪增加分類器之隱藏層數
    (5)遷移學習(Transfer Learning)

    7. ONNX(Open Neural Network Exchange)
     課程師資:
    自強基金會 專業講師
    專長:自動光學檢測、電腦輔助設計、瑕疵偵測與分類
      主辦單位:
    科技部新竹科學園區管理局
     執行單位:
    財團法人自強工業科學基金會
      注意事項
    ※請前往竹科管理局廠商與單位名錄進行查詢,即可判斷公司是否為園區內廠商。
    • 本計畫鼓勵女性學員報名參加培訓課程,必要時得優先錄取。
    • 防疫期間如有居家隔離、居家檢疫、自主健康管理且有呼吸道感染症狀等情形者,務必遵守中央流行疫情指揮中心防疫措施,請勿出席。
    • 若遇不可預測之突發因素,基金會保有相關課程調整、取消及講師之變動權。
    • 無紙化環境,輕鬆達到減碳救地球,即日起16小時以上課程結業證書改以電子方式提供。
    • 本課程不適用廠商VIP折扣優惠
    • 課前請詳閱簡章之課程內容或利用課程諮詢電話。
    • 課程嚴禁旁聽,亦不可攜眷參與。
    課程查詢或相關作業時程,請洽以下聯絡窗口。
    聯絡資訊