TibaMe
系統初始化失敗,請重新整理頁面
若持續無法載入頁面,請 聯絡客服

林哲聰

深度學習影像辨識|YOLO物件偵測全解析

NT$2,980
人工智慧技術應用

近年來深度學習技術持續帶來前所未有的精度,在各種深度學習物件偵測中,YOLO物件偵測最廣泛應用於各領域所需的即時影像辨識。課程主要內容為不同YOLO模型版本的解析與應用實作,詳細教學內容為解析搭配實作並行,亦包括修改模型、調整模型、自動化調整超參數...等,呈現不同場域的影像辨識應用需求實現。

NT$2,980

重要公告
2023/08/11

最新YOLOv8課程更新

各位大家好,我已在"深度學習影像辨識|YOLO物件偵測全解析"新增最新的YOLOv8,有任何YOLO的問題,歡迎提出,也希望各位能提供一些回饋,謝謝
重要公告
2022/09/05

單元二:物件偵測介紹學習重點

本章學習重點: <br> <ol> <li>Average Precision:其概念上較為複雜,各位同學務必理解為何2-4中,既使把駱駝誤判成馬,狗也誤判成鳥,mAP還是完美的1的原因,也請同學實際操作mAP的實作範例以幫助理解mAP的概念。</li> <li>非極值抑制(Non-Maximal Suppression, NMS):NMS可以在輸出複數個偵測結果時,幫助我們產生最終的結果,提醒同學在物體彼此相互遮蔽的情形下,NMS反而會造成False Negatives,本章提到的Soft-NMS跟後續會提到的DIoU-NMS,都可以改善這個問題!</li> </ol>
2023/07/18

【課程更新預告】YOLOv8 課程更新影片即將於 8/7 上架!

<p>各位學員好:<br><br><span style="font-family: -apple-system, BlinkMacSystemFont, 'Segoe UI', Roboto, Oxygen, Ubuntu, Cantarell, 'Open Sans', 'Helvetica Neue', sans-serif;"><br>「深度學習影像辨識</span><span style="font-family: -apple-system, BlinkMacSystemFont, 'Segoe UI', Roboto, Oxygen, Ubuntu, Cantarell, 'Open Sans', 'Helvetica Neue', sans-serif;">|YOLO 物件偵測全解析<span style="font-family: -apple-system, BlinkMacSystemFont, 'Segoe UI', Roboto, Oxygen, Ubuntu, Cantarell, 'Open Sans', 'Helvetica Neue', sans-serif;">」YOLOv8 課程更新影片即將於 8/7 上架!<br><br></span></span></p> <p>感謝您對本課程的支持,與課程相關的最新消息都會發布在「課程公告」區,</p> <p>如果您在學習的過程中遇到任何疑問,歡迎隨時於「問題討論」區提出,<br><br>教學團隊將竭誠為您提供支援和解答。<br><br><br>預祝學習愉快!</p> <div class="modal fade show" tabindex="-1"> <div class="modal-dialog ModalBlank__modal___1zY6g DetailModal__ModalWrapper-r2f9wl-0 dA-djZK modal-lg modal-dialog-scrollable"> <div class="modal-content"> <div class="modal-header"> <h5 class="modal-title"></h5> </div> </div> </div> </div>
學員限定
2022/12/28

跨年上課去,課程字幕上架啦~

此篇內容僅限購課學員閱讀,若你已購買本課程,登入後即可看到內容喔!
2022/10/19

單元七學習重點

<h2 style="box-sizing: border-box; margin-top: 30px; margin-bottom: 0.5rem; font-weight: normal; line-height: 1.2; font-size: 1.5rem; color: #333333; font-family: Roboto, 'Segoe UI', 'Helvetica Neue', Helvetica, Arial, 'sans-serif', 'Microsoft JhengHei', 'Font Awesome 6 Pro', 'Font Awesome 6 Brands', -apple-system, BlinkMacSystemFont; background-color: #ffffff;">1. Focus structure的運作原理,以及information loss從何而來?<br>2. YOLOv5使用哪一種IoU loss?<br>3. Test time augmentation的用途為何</h2>
2022/09/27

單元五: 運用YOLOv3實現Muti-Label 物件偵測模型 學習重點

本章的學習重點有<br>(1) cross entropy, weighted cross entropy 與 Focal loss之間的差別很重要,許多公司面試很喜歡考cross entropy!<br>(2) FPN相當重要,其實際如何實現,請同學參考原始碼,尤其是feature map是如何融合的!<br>(3) YOLOv3提到一堆誤判,但mAP卻是完美的1的例子,請同學務必要能用自己的話解讀這樣的現象!<br>(4) Multi-label YOLOv3,請同學試著比較與原始YOLOv3間的差別,尤其是以下函數:<br> <ul> <li>Dataloader: ListDataset_2n2c()</li> <li>Evaluation function: evaluate_2n2c()</li> <li>Loss function: build_targets_2n2c()</li> <li>Non-maximal suppression function: non_max_suppression_2n2c()</li> <li>mAP estimation function: do_python_eval_quite_multi_label()</li> </ul> <div>&nbsp;</div>
學員限定
2022/09/19

【課程上架快報】L7~L8

此篇內容僅限購課學員閱讀,若你已購買本課程,登入後即可看到內容喔!
學員限定
2022/09/12

【課程上架資訊快報】L4~L6 學習影片上架

此篇內容僅限購課學員閱讀,若你已購買本課程,登入後即可看到內容喔!
學員限定
2022/09/06

【開課通知】L1~L3 學習影片上架

此篇內容僅限購課學員閱讀,若你已購買本課程,登入後即可看到內容喔!

最新討論

2-4 mAP實作問題
harper · 2024/03/04 00:55
老師您好 想請教兩個問題
張吉程 · 2024/01/30 09:50
課程連結資源的4-1和4-2點了沒反應
Chris Luo · 2024/01/22 17:34
YOLOv1_voc 實作問題,第3段程式執行出現錯誤
Anna · 2023/10/24 22:10
請問 L2:物件偵測介紹 裡的 page32 的 AP 是如何算出?也就下面黃色 mark 式子怎麼來?
Parker尊爵 · 2023/09/30 19:47
查看更多討論

課程資訊

default clock課程時長 11 小時 38 分
default video課程共 11 單元 67 小節
default download1 個可下載的 學習資源
icon_info_certificate提供完訓證書
default plan提供制定 學習計畫建議學習 4 週 (每週 4 小時)
最新公告
2023/08/11

最新YOLOv8課程更新

各位大家好,我已在"深度學習影像辨識|YOLO物件偵測全解析"新增最新的YOLOv8,有任何YOLO的問題,歡迎提出,也希望各位能提供一些回饋,謝謝

適合對象

  • 想學習深度學習,並將深度學習應用於專案
  • 具備程式設計能力,但不具備開發 AI 功能,希望能擴展 AI 應用
  • 有機器學習模型開發經驗,想進一步的透過深度學習模型提升開發效能
  • 想學習深度學習在電腦視覺上的應用,以增加就業機會。
  • 數學或統計相關科系畢業,想增加自身技能

你可以學到


| 帶你精準掌握物件偵測的應用與優化


近年來,影像辨識技術持續帶來前所未有的精度,從2015年 YOLOv1 橫空出世,大部份的即時物件偵測系統都是應用 YOLO,這套開源技術在辨識率和速度都有很好的平衡並持續突破,隨著物件的多樣與持續進化的演算法,會需要更多的評估指標(如 mAP ),來處理複雜的影像識別

 以下實作問題,你都能清楚回答嗎? 

  我知道 YOLOv1 無法偵測重心在同一個 grid cell 的不同類物體,但 YOLOv2 可以
  我知道 YOLOv3 可以實現單一物體多類別的偵測與辨識
  我知道 YOLOv4 使用了哪些 trick,使得 mAP 大幅提升
  我知道 YOLOX 的 Decoupled head 對辨識率的影響有多大
  我知道 YOLOv5 與 YOLOX 或 YOLOv7 的優勢分別在什麼地方

 跟著本課程學習 "面試最常問" & "比賽最常用" 的演算模型  


| 一次洞悉所有 YOLO 模型訓練技術

本課程將完整解析各種 
YOLO 版本,包含理論介紹與實作,實作內容還包括了如何修改,讓這些模型使其能在客製化的資料集上完成訓練


     
| 直通最新版 YOLOv8.三大需求一次滿足

10+小時 x 12+實作 x 8+模型,額外增加2023 最新的 YOLOv8 版本!

  • 最完整:YOLOv1~YOLOv8 原理解說.模型差異.技術應用
  • 最實用:涵蓋多產業與場域應用示範
  • 最有效:集電腦視覺、機器學習、深度學習專業於一身的 AI 技術專家,帶你掌握技巧,親自教到你會! 

     
| 進入課程就能隨學即用


學習全球當紅 YOLO,提升與擴展 AI 實務應用技能,幫助你解決工作與專案的各種困境!
適合的學習對象:
想學習深度學習並將深度學習應用於專案
具備程式設計能力但不具備開發 AI 功能,希望能擴展 AI 應用
有機器學習模型開發經驗,想進一步的透過深度學習模型提升開發效能
學習深度學習在電腦視覺上的應用增加就業機會
數學或統計相關科系畢業想增加自身技能
 

 

課程介紹

| 解析 YOLO 優勢.該選用哪一個版本?怎麼用不踩雷?
  
面對 YOLO 物件偵測模型的各種衍生版本,你需要清晰的教學脈絡,學習如何分辨其中的差異、如何挑選最適版本,又該如何正確運用。如果你想要著重於即時性的物件偵測,亦或者需要極高辨識率但不強調即時性的應用,都可以在這門課程中找到解答。

課程重點

 ✔ 物件偵測與物件偵測資料集          
 ✔ 計算物件偵測最重要的指標-Average Precision
 ✔ 依照應用需求來選擇一種最佳的模型    
 ✔ 有系統的調整超參數以提升辨識率 
 ✔ 比較不同模型在同一個資料集上的辨識率差距        
 ✔ 修改模型以達成在客製化不同資料集上的訓練      
 ✔ 透過 Optuna 最佳化模型的超參數運用
 ✔ 修改模型以達到 Multi-label 的物件偵測 
 ✔ 透過自動化調整超參數來顯著提升辨識率        
              
| PyTroch  ×  YOLO 物件偵測實作
每個單元都有搭配實作,你將能了解如何應用模型、修改模型、調整模型達成客製化實務需求,包含通用物體偵測操作、比較不同模型在同一個資料集上的辨識率差距
 


     

| AI 深度學習專家-林哲聰 老師

  

| 提供完整學習資源

  • 課程教材下載,講義為全英文:提供完整教材簡報,在學習過程中即時做好重點筆記,複習更方便。
  • 授課語言為中英參雜(比例約7:3): 語法應用的實作帶領,在影片中會搭配中文語意解釋,既不用擔心聽不懂,又可讓你在學習同時,自然而然的習得使用 YOLO 技術做影像辨識,自己查詢解決方案的英文關鍵術語!
  • 課後單元測驗多以英文呈現:每個模組都會有課後評量透過題目反覆練習讓你了解學習。
  • 課程重複觀看:不限時間、不限次數,皆可反覆觀看課程影片進行複習。
  • 課程討論區:有任何學習問題皆可在討論區發問,專業講師將會替你答題解惑


 

學習前基本能力

  1. Python 程式基礎
  2. 具備機器學習/電腦視覺/深度學習基本概念
  3. 線代、統計基本概念

學習前準備

  • 電腦裝置(不限廠牌、作業系統不限)
  • 本課程所有的程式都使用 PyTorch 在 Colab 此雲端平台上開發(Google 帳號:用於登入 Google 的Colab 雲端程式開發平台)
  • 為一次性購買的線上課程、擁有永久觀看權、可以無限次回放觀看複習和討論區提問與交流



學習時遇到挫折好焦慮啊,可是又不敢發問嗎?

免煩惱!在緯育 TibaMe 的「課程討論區」歡迎提問,不用擔心自己是否會問錯問題,只要你是認真學習且積極發問的態度,獲取的知識都是屬於你自己的寶藏哦,而且還能幫助討論區的其他同學一起互相觀摩、學習,共同提升學習成效,一舉多得!

還有其他對於 緯育 TibaMe 的問題?

歡迎點選 FAQ,你將可以得到更多解答哦!

課程資訊

default clock課程時長 11 小時 38 分
default video課程共 11 單元 67 小節
default download1 個可下載的 學習資源
icon_info_certificate提供完訓證書
default plan提供制定 學習計畫建議學習 4 週 (每週 4 小時)

關於講師

林哲聰

現任瑞典Chalmers University of Technology博士後研究員

經歷|
▻ 工研院機械所副研究員/研究員/資深研究員
▻ 馬來西亞偉特科技公司(ViTrox)研發顧問
▻ 馬來西亞10 EPOCH科技公司研發顧問
▻ 加州大學聖塔芭芭拉分校資工系訪問研究員
▻ 工研院產業學院講師
▻ 清華大學自強基金會講師

專長|
電腦視覺、機器學習、深度學習及其在駕駛輔助系統以及自駕車之各種應用

獲獎經驗|
▻ 2020 中華民國資訊學會碩博士最佳論文獎-博士論文佳作
▻ 2020 中華民國影像處理與圖形識別學會第十三屆博碩士論文獎-博士論文佳作
▻ 2020 AI智慧應用新世代人才培育計畫-人才解題實證(倒車攝影機影像識別-障礙物與逼近偵測): 佳作
▻ 2019 IEEE ICIP Three Minute Thesis Competition (3MT®): Finalist
▻ 2018 第八屆兩岸清華研究生學術論壇 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
▻ 2016 日本立命館大學英文演講比賽 清華大學代表
▻ 2013 伽利略創新大賽 瑞士區冠軍
▻ 2011 伽利略創新大賽 特別獎(GNSS Living Lab)得主
▻ 2010 伽利略創新大賽 台灣區季軍
1. 課程介紹與說明
3 小節
video common icon

課程前導I歡迎您一同學習

markdown article common icon

學習路徑I適性化的學習建議

markdown article common icon

實作範例連結I課程講義下載

2. 物件偵測介紹
8 小節
video common icon

單元二大綱

試看
video common icon

什麼是物件偵測?

03:23
video common icon

物件偵測資料集介紹

video common icon

如何計算物件偵測最重要的指標(Average Precision)?

video common icon

Average Precision 實作練習:比較不同偵測結果下的AP

video common icon

何謂非極值抑制(Non-Maximal Suppression)?

video common icon

Non-Maximal Suppression實作

quiz common icon

單元二測驗

開放時間2022-07-06 09:35
3. 運用YOLOv1實現口罩偵測應用
8 小節
video common icon

單元三大綱

video common icon

二階段物體偵測:R-CNN, Fast R-CNN以及Faster R-CNN

試看
video common icon

單階段物體偵測:回顧二階段物體偵測模型之間的差異以及待改進之處

01:32
video common icon

YOLOv1 原理介紹與二階段物體偵測模型之優勢與劣勢

video common icon

SSD 介紹:另一種單階段物體偵測模型

video common icon

YOLOv1 實作1:Pascal VOC資料集上的模型訓練

video common icon

YOLOv1 實作2:口罩偵測

quiz common icon

單元三測驗

開放時間2022-07-06 09:49
4. 運用YOLOv2實現偵測複數個形心位置相同的物體
4 小節
video common icon

單元四大綱

video common icon

YOLOv2 原理介紹:為何效能超越YOLOv1、Pascal VOC資料集上的模型訓練

video common icon

YOLOv2 實作:Pascal VOC資料集上的模型訓練

quiz common icon

單元四測驗

開放時間2022-07-26 00:00
5. 運用YOLOv3實現Muti-Label物件偵測模型
6 小節
video common icon

單元五大綱

試看
video common icon

比較Cross entropy與Focal loss的差別

17:51
video common icon

YOLOv3 原理介紹:與RetinaNet的差異以及優勢

video common icon

YOLOv3 實作1:Carsim資料集的多類別車輛偵測模型訓練

video common icon

YOLOv3 實作2:Carsim資料集的Muti-Label車輛偵測模型訓練

quiz common icon

單元五測驗

開放時間2022-07-06 09:58
6. 運用YOLOv4在醫學影像,並學會如何最佳化超參數
10 小節
video common icon

單元六大綱

試看
video common icon

YOLOv4 原理及其架構介紹

29:50
video common icon

介紹YOLOv4的原理以及運用Bag of Freebies提升系統效能(上)

video common icon

介紹YOLOv4的原理以及運用Bag of Freebies提升系統效能(下)

video common icon

YOLOv4 實驗結果

video common icon

YOLOv4 實作1:BCCD資料集上的模型訓練

video common icon

各種超參數搜尋技巧介紹:其中包括grid search, random search以及Optuna

video common icon

使用Optuna求解基本二階函數

video common icon

YOLOv4 實作2:運用Optuna最佳化YOLOv4於BCCD資料集之mAP

quiz common icon

單元六測驗

開放時間2022-07-06 10:14
7. 運用YOLOv5整合複數個模型的偵測結果以提升辨識率
5 小節
video common icon

單元七大綱

video common icon

YOLOv5 原理與各種關鍵模組介紹

video common icon

YOLOv5 實作1:比較不同YOLOv5的inference設定

video common icon

YOLOv5 實作2:在coco128資料集上的模型訓練、 比較使用genetic algorithm最佳化前後的mAP差異

quiz common icon

單元七測驗

開放時間2022-07-06 10:22
8. 比較YOLOX與其它模型的優勢
6 小節
video common icon

單元八大綱

video common icon

YOLOX的原理以及各種關鍵模組介紹

video common icon

YOLOX 實作1:YOLOX v.s. YOLOv1 在口罩資料集辨識上的辨識率

video common icon

YOLOX 實作2:YOLOX v.s. YOLOv4 比較在BCCD資料集上的辨識率

video common icon

YOLOX 實作3:YOLOX v.s. YOLOv5 比較在coco128資料集上的辨識率

quiz common icon

單元八測驗

開放時間2022-07-06 15:59
9. 2022最新,YOLOv7解析與實作!
7 小節
video common icon

單元九大綱

video common icon

YOLOv7的原理以及各種關鍵模組介紹

video common icon

非YOLOv7所提出的bag-of-freebies

video common icon

YOLOv7 實驗結果

video common icon

YOLOv7 實作1:比較YOLOv1, YOLOX, YOLOv7 在口罩資料集的辨識率

video common icon

YOLOv7 實作2:YOLOv7 在VisDrone資料集的實作

quiz common icon

單元九測驗

開放時間2022-07-06 00:00
10. 2023 最新,YOLOv8 解析與實作!
8 小節
video common icon

單元十大綱

video common icon

YOLOv8 原理:Backbone與Neck

video common icon

YOLOv8 原理:Head 與 Loss function

video common icon

YOLOv8 原理:訓練與 Data Augmentation

video common icon

YOLOv8 超參數最佳化

video common icon

YOLOv8 實作1:比較 YOLOv1, YOLOX, YOLOv7, YOLOv8 在口罩資料集的辨識率

video common icon

YOLOv8 實作2:比較 YOLOv7 , YOLOv8 在 VisDrone 資料集的辨識率

quiz common icon

單元十測驗

11. 完課後方向
2 小節
pdf article common icon

老師的一封信

markdown article common icon

證書取得方式

學習附件

file-icon
課程教材.zip
52.40 MB
stage arrow to bottom

購買此課程後,才能使用留言功能

沒有回應的問題

目前尚無任何討論主題

成為第一個發問的人!在問答中找到學習的捷徑。

關於講師

林哲聰

現任瑞典Chalmers University of Technology博士後研究員

經歷|
▻ 工研院機械所副研究員/研究員/資深研究員
▻ 馬來西亞偉特科技公司(ViTrox)研發顧問
▻ 馬來西亞10 EPOCH科技公司研發顧問
▻ 加州大學聖塔芭芭拉分校資工系訪問研究員
▻ 工研院產業學院講師
▻ 清華大學自強基金會講師

專長|
電腦視覺、機器學習、深度學習及其在駕駛輔助系統以及自駕車之各種應用

獲獎經驗|
▻ 2020 中華民國資訊學會碩博士最佳論文獎-博士論文佳作
▻ 2020 中華民國影像處理與圖形識別學會第十三屆博碩士論文獎-博士論文佳作
▻ 2020 AI智慧應用新世代人才培育計畫-人才解題實證(倒車攝影機影像識別-障礙物與逼近偵測): 佳作
▻ 2019 IEEE ICIP Three Minute Thesis Competition (3MT®): Finalist
▻ 2018 第八屆兩岸清華研究生學術論壇 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
▻ 2016 日本立命館大學英文演講比賽 清華大學代表
▻ 2013 伽利略創新大賽 瑞士區冠軍
▻ 2011 伽利略創新大賽 特別獎(GNSS Living Lab)得主
▻ 2010 伽利略創新大賽 台灣區季軍
立即加入成為Line官方好友
become line friend
返回主選單
課程類型
影音課程
直播課程
實體課程
返回主選單
返回主選單
返回主選單
返回主選單