車輛智慧化-車用影像安全系統應用班

上課地址:工研院產業學院 產業人才訓練一部(台北) (實際地點依上課通知為準!)

時數:12

起迄日期:2020-08-06~2020-08-07

聯絡資訊:吳意嵐/02-23701111#303

報名截止日:2020-08-04

課程類別:人才培訓(課程)

活動代碼:2319120027

課程介紹

                109年度『金屬產業智機化提升計畫-機械產業專業人才培訓』補助

在台灣每年有約近兩千五百人死於交通事故中,發展先進駕駛輔助系統(Advanced Driver Assistance System,
ADAS)
之目的即在於提昇行車過程之安全性,這類系統包括了車道偏離警示系統(Lane Departure Warning,
LDW)
,前車碰撞警示系統(Forward Collision Warning, FCW),側方盲點警示系統(Blind Spot Detection,
BSD)
、後方車道偏離警示系統(Rear Lane Departure Warning, RLDW)、後側方盲點警示系統(Rear Blind Spot
Detection, RBSD)
以及倒車導引系統(Parking Assistance System, PAS)等,而自駕車則是這些系統的集大成與
高度整合成果。

以上這些系統都是傳統機器學習技術大量運用的成果,近年來深度學習技術能量的大爆發一舉大幅超越傳統機器
學習演算法之效果。本課程將從
各類感測器及開發平台之簡介起頭,接著詳細解說傳統電腦視覺以及機器學習
技術如何運用
在這些安全警示系統上。卷積神經網絡(Convolutional Neural Network, CNN)之源起、原理以及
各種物體偵測模型(R-CNN, Fast R-CNN, Faster R-CNN, SSD, YOLO, YOLOv2,YOLO9000, YOLOv3)、語義影像分
(Semantic Segmentation)模型(Segnet, FCN, DeepLab),實例影像分割(Instance Segmentation)模型(Mask
R-CNN)
以及全景影像分割(Panoptic Segmentation)模型(Panoptic FPN)之差別。

2014年開始,生成式對抗網路 (Generative Adversarial Network, GAN) 顯然是深度學習領域的另一個熱點,
Yann LeCun 說這是機器學習領域這十年來最有趣的想法 (the most interesting idea in the last 10 years
in ML)
,又說這是有史以來最酷的東西 (the coolest thing since sliced bread) 用生成式對抗網路,機器已
經可以產生高解析度以假亂真的人臉,也可以根據一段敘述文字,自己畫出對應的圖案,本課程內容將介紹
如何
運用GAN在自駕車之演算法開發
,尤其是在協助提升物件偵測、影像分割模型的領域適應性(Domain
Adaptation)
循環神經網絡(Recurrent Neural NetworksRNNs)已經在眾多自然語言處理(Natural Language
Processing,NLP)
中取得了巨大成功以及廣泛的應用,近幾年來其與CNN之整合亦產生了許多有趣的應用,例如
Image Captioning,這樣的技術甚至可以運用在道路事件的預測,本課程內容亦包括
RNN及其在ADAS/自駕車上
應用之介紹

         本課程除「實體教室講授」也提供「同步數位課程」,線上可透過留言提問,講師統一回覆
                                   ~ 抗疫期間,學習不斷 ~

課程資訊

舉辦日期:109年8月6日、8月7日(四、五),0930~1630(共12小時)

舉辦地點:工研院產業學院  產業人才訓練一部(台北) (實際地點依上課通知為準!)
主辦單位:經濟部工業局
執行單位:工研院產業學院  產業人才訓練一部(台北)
上課形式:「實體授課」或「同步數位課程」(二擇一)

課程目標

  1. 協助具電腦視覺專長之學員切入視訊監控以及車輛電子領域
  2. 未來可銜接各類程式設計/影像處理/電腦視覺/機器學習/深度學習課程
  3. 協助台灣產業切入先進駕駛輔助系統(ADAS)

課程大綱

08月06()

08月07()

ü 先進駕駛輔助系統簡介(LDW/FCW/PGS/AVM/3D AVM)

ü 車輛網、自動車以及自動車隊

ü 影像感測器以及各種影像缺陷簡介

ü 開發平台、辨識率以及量化分析架構簡介

ü 卷積神經網路(Convolutional Neural Network)簡介

ü 卷積神經網路之各種訓練細節

ü 基於CNN之物體偵測與辨識

(R-CNN, Fast R-CNN, Faster R-CNN)

ü 基於單一CNN之物體偵測與辨識 (YOLO,SSD,YOLO9000,YOLOv2,YOLOv3,DSSD)

ü 語義影像分割CNN(Segnet, FCN, DeepLab)簡介

ü 實例影像分割CNN(Mask R-CNN)簡介

ü 全景影像分割CNN(Panoptic FPN)簡介

ü 生成式對抗網路(Pix2Pix,CycleGAN,UNIT, MUNIT, Pix2Pix HD, Video-to-Video, BigGAN)簡介及其於ADAS/自駕車之應用

ü 循環神經網絡簡介及其於ADAS/自駕車之應用

課程對象

車用影像安全系統技術發展相關人員。

講師簡介

林哲聰 講師

現職:工研院機械所研究員

學歷:台灣大學應用力學研究所碩士/清華大學資工系博士候選人

經歷:工研院機械所副研究員,加州大學聖塔芭芭拉分校資工系訪問研究員

  上奇資訊-計算機概論 共同譯者

      2010 伽利略創新大賽 台灣區季軍
   2011 伽利略創新大賽 特別獎(GNSS Living Lab)得主
   2013 伽利略創新大賽 瑞士區冠軍

      2016 日本立命館大學英文演講比賽 清華大學代表

      2017 CVGIP 行人偵測競賽 亞軍

            2017 MOST 生成式對抗網路競賽 佳作

            2018第八屆兩岸清華研究生學術論壇 清華大學代表

      2019 IEEE ICIP Three Minute Thesis Competition (3MT®): Finalist

專長: Computer Vision, Image Processing, Pattern Recognition, Machine Learning, Deep Learning, GPS , Embedded System, iPhone Programming

已於車用影像安全警示系統領域中發表過二十五篇國際論文,十五篇國內論文,以及十三篇專利。

價格

1.一般身分補助 50%每人6,000元整原價 NT$12,000,政府補助 NT$6,000,學員自付 NT$6,000

2.特定對象補助 70%每人3,600元整原價 NT$12,000,政府補助 NT$8,400,學員自付 NT$3,600
特定對象說明:針對具身心障礙、原住民與低收入戶之人士,報名時出具證明。身心障礙手冊正反面影本、「原住民族身分法」所定原住民身分證明及低收入戶證明之相關證明文件、生活扶助戶(低收入戶)有工作能力者提供縣市政府或鄉鎮(區公所開立之低收入戶身分證明文件或低收入戶卡影本一份,但該證明文件未載明身分證號碼及住址者,應檢附國民身分證正反面影本或戶口名簿影本一份。)

3.中堅企業補助 70%每人3,600元整原價 NT$12,000,政府補助 NT$8,400,學員自付 NT$3,600
中堅企業說明:屬於經濟部工業局公佈之中堅企業名單(請參考網頁公告附件或來電洽詢),學員報名必須繳交一張公司名片、請公司開立在職證明,課程發票會開立該公司發票。
4.同步數位課程:每人6,000 整  
★★★同步數位旁聽★★★

為便於公務繁忙的學員能夠參加,本課程規劃以「全程數位」形式,讓學員能於所在地使用自己的電腦進行線上同步數位學習課程
獲贈 ITRI College+帳號,享有 1 個月(不限堂數)的產業學院線上數位微課,隨時隨地學習、增進專業能力。
本同步數位課程無補課機制。

常見問題

中堅企業廠商

申請經濟部中堅企業躍升計畫通過者方能使用此資格
詳情請見以下網址
http://www.mittelstand.org.tw/

貼心提醒

退費標準:
請於開課前三日以傳真或email告知主辦單位,並電話確認申請退費事宜。逾期將郵寄講義,恕不退費。
若未於期限內申請退費,則不得於任何因素要求退費,惟可轉讓與其他人參訓。

  
1.為尊重講師之智慧財產權,恕無法提供課程講義電子檔。

2.學員於每堂課程上課須簽到、下課須簽退。
3.本課程經工業局補助,上課學員皆需依工業局規定填寫報名相關資料,且學員出席時數需達課程時數八成以上,方可適用工業局補助;
若未符合規定者,則需將其政府補助費用繳回

4.請註明服務機關之完整抬頭,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。
5.為配合經濟部工業局人培計畫學員電訪作業,結訓學員應配合經濟部工業局培訓後電訪調查。

相關課程參考

基於電腦視覺之物體偵測與辨識 (點選課名即可連結公告)

課程日期:109年08月21日、08月28日(隔週五),0930~1630(共12小時)

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。

 

電腦視覺與機器學習技術研習  (點選課名即可連結公告)

課程日期:1090619日、06月20日(五、六),0930~1630(共12小時)

隨著電腦硬體計算效能增強,

影像處理、電腦視覺與機器學習技術逐漸出現在每個人的生活,

深度學習技術更突破了傳統機器學習技術運用在各式問題上的效果。

附件

Pin It