自強課程

課程名稱

智慧瑕疵偵測與分類(實作) 熱烈招生中

課程代碼：

14A328

上課時間：

114/4/19(六)、4/26(六)，09:00~16:00，共2天12小時。

上課時數：

12 小時

上課地點：

清華大學第四綜合大樓(清華大學東側門入口處左手邊即為自強基金會大門入口/清大郵局左側)

課程費用：

9000元 (符合超值優惠價格者需送出報名表後，系統發出報名成功回函確認金額。)

超值優惠：

VIP企業會員價：VIP企業會員可享優惠價格 (按我)
會員優惠價： 會員於開課前七天完成報名繳費者可享會員優惠價 8700 元
團報價方案：會員2人同行，可享同行價 8500 元(須於課前告知)
會員紅利折抵：本課程歡迎使用紅利折抵，最高可使用 100 點

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.傳統上如何抽取特徵(Feature Extraction)以及如何利用特徵進行分類。
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)以及如何利用CNN進行瑕疵的辨識/分類。
4.什麼是YOLO (You Only Look Once)以及如何使用YOLO進行瑕疵檢測。
5.什麼是ONNX？

課程大綱：

1.人工智慧(Artificial Intelligence AI)簡介
(1) 人工智慧的定義、演進及應用
(2) 機器學習(Machine Learning)
(3) 深度學習(Deep Learning)
(4) 強化學習(Re-enforcement Learning)
2.基於特徵值之瑕疵分類 (Feature-based Object Classification)
(1) 特徵抽取(Feature Extraction)：直方圖特徵、幾何特徵、顏色特徵、紋理特徵
(2) 瑕疵分類法：分類樹、特徵比對、最近鄰分類器、KNN分類器、ANN
(3) 類神經網路(Artificial Neural Networks  ANN)簡介
(4) ANN分類實作
3.卷積神經網路(Convolutional Neural Networks CNN)
(1) 甚麼是卷積運算(Convolution Operation)？
(2) 卷積層(Convolution Layer)與特徵圖(Feature Maps)
(3) 激活函數(Activation Function)的做法與目的
(4) 池化層(Pooling layer)的做法與目的
(5) 捨棄層(Dropout layer)的做法與效果
(6) 批次正規化(Batch Normalization)的做法與效果
(7) 扁平層(Flatten layer)的做法與目的
(8) 全連接層(Dense/Fully Connected Layer)的做法與效果
4.基於影像之物件分類 (Image-based Object Classification)
(1) 影像資料的強化(Image Data Augmentation)與生成
(2) 網路訓練參數的設定
(3) 訓練過程的監控：Overfitting、Early-stopping、Resume Training
(4) 提高驗證精確度
(5) CNN瑕疵分類實作
5.YOLO物件偵測模型(1) YOLO (You Only Look Once)簡介
(2) 甚麼是物件偵測(Object Detection)
(3) 客製化YOLOv9模型
(4) YOLOv9瑕疵檢測實作
6.遷移學習(Transfer Learning)與ONNX(Open Neural Network Exchange)
(1) 甚麼是遷移學習？
(2) 遷移學習實作
(3) 甚麼是ONNX？

課程師資：

講師：邱教授
專長：自動光學檢測、電腦輔助設計、瑕疵偵測與分類
現任：中華大學機械工程學系特聘教授

主辦單位:

財團法人自強工業科學基金會

相關課程：

14A327 智慧自動化光學檢測(IAOI)(實作) (3/22開班)

學員須知：

報名與繳退費方法｜常見問題與解決｜會員紅利積點活動辦法

注意事項

清華大學學生優惠方案：清華大學學生可享課程最低優惠價─VIP企業會員優惠價，完成報名後須來電告知修改費用(使用本優惠價須於報名同時檢附在學中有效的清華大學學生證，且不得開立抬頭「國立清華大學」以外的三聯式公司發票)。

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或未達16小時課程上課證明皆以電子方式提供。