探索AI智慧視覺應用商機:啟發創新思維的AI旅程
我們將以「AI智慧視覺系統與創新應用商機」為主軸,特別是如何利用AI智慧視覺技術來開發復健照護和動作姿態辨識應用。本課程旨在為學員提供一個理論與實作兼備的課程,從而設計出創新且實用的解決方案,以應對當前和未來的市場需求。
課程將從AI智慧視覺系統的基礎知識開始,包括影像處理、卷積神經網路等內容。隨後,探討物件偵測技術在不同領域的應用。接下來,課程將轉向姿態辨識技術,分析其在健康護理、運動分析、互動遊戲等領域的創新應用。最終,再透過實際案例分析,討論如何克服實際應用中可能遇到的挑戰。
此外,我們還將討論這些技術如何驅動創新商業模式和開創新的市場機會。學員將有機會透過案例研究和小組討論,深入理解AI智慧視覺系統的實際應用,並探索如何將這些技術應用於自己的業務領域中。
透過本課程,學員將獲得必要的知識基礎和技能,不僅能夠理解AI智慧視覺系統的工作原理,還能夠設計和實施針對特定需求的應用解決方案。這是一次深入瞭解AI視覺技術及其在復健照護和動作姿態辨識應用中潛力的絕佳機會。
1. 深入理解AI智慧視覺技術:學員將獲得關於AI智慧視覺系統的全面知識,包括影像處理、物件偵測、姿態辨識等關鍵技術的原理與應用。這不僅有助於建立堅實的理論基礎,也能夠激發對於未來技術發展的洞察力。
2. 掌握實用的技術與工具:透過實作練習和案例分析,學員將學會如何運用現有的工具和框架來設計和開發AI視覺應用,特別是在復健照護和動作姿態辨識領域。這種實踐經驗對於快速解決實際問題至關重要。
3. 啟發創新思維與解決方案設計:課程通過討論最新的技術趨勢和創新應用案例,鼓勵學員思考如何將AI智慧視覺技術應用於解決現實世界的問題,從而培養創新思維和解決方案設計的能力。
對影像數位應用及健康復健、動作姿態辨識相關領域從業人員。
【李技術副理】
學歷:國立臺灣大學 資訊工程學系
現職:工業技術研究院 服科中心 技術副理
經歷:鴻海精密 鴻通韜略研究院 資深工程師
專長:動態影像心率、靜態影像心率、2D/3D影像技術、動態影像辨識、照護服務設計、移動式自駕定位、自駕車影像辨識、影像機器學習、影像式解決方案、AIoT聯網互動感測、HCI人機互動、生理訊號數據分析、多重感測訊號整合
【陳教授】
學歷:國立交通大學 應用數學系
現職:天主教輔仁大學 數學系 助理教授
經歷:國立陽明交通大學 教學發展中心 助理教授級實作教學教師
專長:圖論,機器學習,演算法
◆ 本課程歡迎企業包班,請來電洽詢 課程承辦人劉小姐(Ivy) 03-5743729。
◆ 團報 3 人以上,請來信課程承辦人itri537622@itri.org.tw,將為您提供企業團報優惠價。
課程主題 |
課程內容 |
AI智慧視覺系統基礎 |
․ AI智慧視覺系統概論: 介紹AI在智慧視覺系統的相關內容。 ․ 影像處理與分析的基本原理 解釋影像處理技術的基礎,包括圖像捕獲、增強、分割等。 ․ 物件偵測與姿態辨識技術概覽: 概述物件偵測和姿態辨識的關鍵技術及其在實際中的應用。 |
影像技術在復健照護的應用 |
․ 復健照護中的影像技術需求分析 分析復健照護領域對影像技術的具體需求,探討技術應用的潛力與挑戰。 ․ 技術實作:基礎物件偵測與動作分析 實際操作學習物件偵測與動作分析的基本技術,理解其在復健照護應用的過程。 |
動作姿態辨識技術應用 |
․ 動作姿態辨識的關鍵技術與算法 深入探討動作姿態辨識的先進技術和算法,包括機器學習與深度學習方法。 ․ 從影像到動作理解:技術與實踐 介紹如何從影像資料中提取動作信息,並將其轉化為可理解的動作數據。 ․ 案例研究:動作姿態辨識在運動分析與互動遊戲中的應用 通過案例研究,展示動作姿態辨識技術在運動分析和互動遊戲等領域的創新應用。 |
AI智慧視覺系統與創新應用分享 |
․ 應用場域介紹 介紹智慧視覺系統在實際場域中的操作。 ․ 影像處理可以增進的效能 透過影像技術提升操作的自動化與計算次數,在醫療復健應用中帶來趣味性與黏著度。 ․ 影像處理與有效性分析 解釋影像處理技術與傳統臨床實證的差異,並且統計出具有療效改善的醫療數據。 |
參加本課程之學員,研習期滿,出席率超過80%(含)以上,即可獲得工研院頒發的培訓證書。
1. 參訓學員需自備筆記型電腦。
2. 程式語言主要使用Python,實作環境會使用Google的Colab進行,請學員預先保留2GB左右的雲端硬碟空間。
3. 為確保您的上課權益,報名後若未收到任何回覆,敬請來電洽詢方完成報名。
4. 為配合講師時間或臨時突發事件,主辦單位有調整日期或更換講師之權利。
5. 為尊重講師之智慧財產權,恕無法提供課程講義電子檔。
6. 報名時請註明欲開立發票完整抬頭,以利開立收據;未註明者,一律開立個人抬頭,恕不接受更換發票之要求。
學員於開訓前退訓者,將依其申請退還所繳上課費用90%,另於培訓期間若因個人因素無法繼續參與課程,將依上課未逾總時數1/3,退還所繳上課費用之50%,上課逾總時數1/3,則不退費。