🔥(熱烈招生中,歡迎企業包班)
【政府補助50%】基於電腦視覺之物體偵測與辨識
本課程首先將介紹傳統的特徵式物體辨識系統,並以車道線偵測為例,接著我們將引入特徵(Feature)+分類器(Classifier)之機械學習技巧,並運用到汽車之偵測。從2010年開始,Imagenet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CNN(Convolutional Neural Network),如Alexnet, GoogLenet, VGG,Residual Network等分類器因此比賽不斷的被發明,而運用CNN之物體偵測與辨識亦從不可端對端(end-to-end)學習的R-CNN, Fast R-CNN, Faster R-CNN一路進化到真正實現端對端學習的YOLO(You Only Look Once)與SSD( Single Shot Multibox Detector),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。
課程網址:https://college.itri.org.tw/…/A4EA3591-12F0-4994-90E4-8D9D7…
同時也有1部Youtube影片,追蹤數超過5,870的網紅珊蒂微AI,也在其Youtube影片中提到,🍿在這支影片當中,觀眾朋友的提問如下,李老師都一一耐心回答惹(as always😊) 1. 機器可以回答哲學性的問題嗎?👉影片中,老師告訴你一個好玩的網站! 2. 神經網路架構的選擇方針?👉老師給出三個思考方向! 3. 老師有沒有Twitter? 👉影片揭曉! 4. 對機器學習領域未來發展趨勢的看法...
「deep residual learning」的推薦目錄:
deep residual learning 在 珊蒂微AI Youtube 的最讚貼文
🍿在這支影片當中,觀眾朋友的提問如下,李老師都一一耐心回答惹(as always😊)
1. 機器可以回答哲學性的問題嗎?👉影片中,老師告訴你一個好玩的網站!
2. 神經網路架構的選擇方針?👉老師給出三個思考方向!
3. 老師有沒有Twitter? 👉影片揭曉!
4. 對機器學習領域未來發展趨勢的看法?👉影片揭曉!
5. 怎麼用Google sheets開發機器人?👉影片揭曉!
🍭可以跟你玩文字接龍的AI:https://talktotransformer.com/
🍭李宏毅老師有提到「GPT-2」的課程連結:https://www.youtube.com/watch?v=ugWDIIOHtPA
#跟你玩文字接龍的AI
#機器學習的未來
#選用神經網路架構的三撇步
#Generative Pre-Training (GPT)
#GPT-2
#Transformer
#Residual connection
#Deep Learning
#台大電機李宏毅專訪
#AI神奇模型訓練師
#珊蒂微AI
#人工智慧
#AI