尹相志

【尹相志深度學習實戰3】分辨你我他-AI影像辨識(進階篇)

NT$3,000

＃人工智慧＃技術應用

尹相志老師獨家授課AI深度學習-機器視覺進階篇，課中將講解機器視覺的基本任務：「物體識別」、「物體檢測」、「語意分割」和「目標檢測」，並探究最火紅的人臉辨識、"GAN"演算法，並搭配4個練習示範、4份課程講義，為您打開AI影像辨識的學習大門！用生活化的實例講解AI影像辨識，輕鬆學習。

NT$3,000

2019/11/08

尹相志深度學習實戰-實作檔案取得路徑

大家好， 本系列課程檔案下載區中的"實作檔案取得路徑.pdf"， 由於直接點擊連結，會無法順利到達正確頁面， 請學員以【複製】方式操作： 選取【檔案路徑】欄位中的網址 --> 【複製】--> 【貼至】瀏覽器中的網址列 造成您的不便還請見諒， 如有任何問題，請再反應給我們，謝謝。 TibaMe 助教

適合對象

1. 想要了解AI深度學習、機器視覺、自然語言學習等基礎知識者。
2. 害怕數學、程式又想瞭解AI相關知識者。
3. 想有脈絡的了解AI趨勢和發展的學習者。
4. 沒有時間到固定教室上課的學習者，都可透過TIbaMe的AI線上課程學習AI知識。
5. 不想要在網路上東拼西湊尋找AI相關知識者。
6. 想要更有系統的學習AI深度學習、機器學習的人。

你可以學到

➽ 想要參加AI的課程，卻總是因為課程中太多技術面知識，而卻步、猶豫？
➽ 網路上找尋AI相關資訊，太多片斷知識，光整理資訊就耗費精神，更遑論有效學習！
➽ 網路上的文章由不同的人撰寫，看來看去，資訊繁雜、來源不明，我該相信誰的？
➽ 學術論文太艱澀！我只是想要了解一般的AI知識和實作、業界導入知識，到底要去哪找？

▍課程目標

➽ 你將學會：
1. 你將可以在基礎影像辨識知識上，更進一步了解其設計思路
2. 了解卷積神經，包含ResNext(Resnet改良版), DenseNet(稠密堆疊卷積)是什麼
3. 了解機器視覺的三大基本任務：物體識別、物體檢測以及語意分割
4. 了解如何執行「人臉辨識」

▍課程重點

➽ Lesson 1 機器們從此大開眼界
本課程將講解機器視覺的基本任務：「物體識別」、「物體檢測」、「語意分割」和「目標檢測」，並為學員解釋，在為了追求更快速、簡便的卷積神經網路下，CNN-RCNN、CNN-Fast RCNN、CNN-Faster RCNN各有哪些優缺點？目前當紅的"Yolo"，則因什麼原因成為目前廣為使用的模型？這堂課中都有詳細的解說。
實作：自動駕駛街景分割
如何讓自動車能夠理解目前周遭的環境，語意分割扮演著極為重要的角色，我們將根據已標註的街景數據，來嘗試建置語意分割模型。

➽ Lesson 2 難以忘記你的臉-臉孔辨識
課程將探究已被廣泛運用的人臉辨識是如何進行，並講述該如何運用深度學習來進行臉孔辨識歷程。更會加碼講解臉孔辨識相關技術，並附上實作案例，讓你更易吸收運作原理。
實作：顏值檢測
在本次實作中將會根據人臉關鍵點的數據，帶領大家學習基礎的人臉檢測模型，同時還能標定出人臉的重要關鍵點位置。

➽ Lesson 3 以假亂真的GAN
談到深度學習DeepLearning，就一定會談"GAN"這個火紅的演算法。課程中你將了解什麼是"GAN"？其背後的原理又是什麼？不同GAN之間又有什麼不同？在這堂課都有精闢的解說。
實作：去背神器、破解驗證碼
我們將以微軟Ms Celeb人臉數據集為基礎，透過GAN來自動生成不存在的人像照片。

➽ Lesson 4 視覺是理解世界的關鍵
除了基礎任務之外，機器視覺還有更多驚人的應用，在本課程中將針對應用範圍較廣的超解析度圖片、風格移轉、圖像補全、自動上色等最新技術逐一介紹相關技術概念，同時也將會針對如何利用Transfer learning預訓練模型來遷移至其他的視覺任務。
實作：大藝術家
有了風格移轉模型，不管你多不擅長美術，深度學習都能讓你成為大藝術家。以後逢年過節不用在使用到處都看的到的罐頭圖片了。

<點擊 ↓↓> 取得組合優惠

課程介紹

▍讓我們聊聊「深度學習-影像辨識」吧！

最近各個大型車廠，都想要以自動駕駛智慧車輛測測市場水溫，而能讓自動駕駛車輛安全上路的功臣之一，便是深度學習-影像自動辨識，車輛透過錄攝影機，得到車前影像後，利用影像資料來進行機器學習，進而辨識出道路上的物件，以保障駕駛行車安全。影像辨識領域，是深度學習 (Deep Learning)領域中，最被廣泛使用的技術，舉凡安防監控、醫療影像、智慧家居、生產瑕疵品檢測等應用，都和深度學習的影像辨識技術息息相關。

本次課程是除了介紹幾個卷積神經後起之秀，包括ResNext(Resnet改良版), DenseNet(稠密堆疊卷積),等以及對應的設計思路，進而探詢機器視覺的三大基本任務：物體識別、物體檢測以及語意分割，並且探討目前廣為使用的人臉辨識是如何執行。

▍Lesson1 機器們從此大開眼界

1-1 從物件辨識到目標檢測
1-2 所謂的目標檢測
1-3 二階段模型
1-4 加速的CNN-RCNN
1-5 更快的CNN-Fast RCNN
1-6 在加速的CNN-Faster RCNN
1-7 一階段模型的優勢-Yolo
1-8 特徵金字塔網路-FPN
1-9 語意分割
1-10 實作：(1)驗證碼驗證、街景分割
1-11 全卷積網路
1-12 對於卷積網路的其他思路

▍Lesson2 難以忘記你的臉

2-1 被廣泛運用的人臉辨識
2-2 人臉辨識為何困難
2-3 機器如何進行人臉辨識
2-4 人臉辨識的第一步:人臉檢測
2-5 Dlib:最通用的人臉檢測工具
2-6 人臉辨識的第二步:人臉對齊
2-7 又小又精幹的人臉檢測模型:MTCNN
2-8 臉的數據庫:LFW
2-9 如何進行臉部識別
2-10 經典識別模型:Triangle loss
2-11 新的臉孔識別演算法
2-12 對抗式模型:讓川普辨識成希拉蕊
2-13 Deep Face深層換臉 :讓你轉換成金城武
2-14 實作：(2)顏值檢測part1
2-15 人臉重建
2-16 情緒辨識
2-17 實作：(2)顏值檢測part2

▍Lesson3 以假亂真的「GAN」

3-1 近期最火紅的GAN
3-2 GAN的原理原則
3-3 為什麼訓練不成功
3-4 無窮建模假設的問題
3-5 如何解決無窮建模的問題
3-6 平衡生成器與鑑別器的方法:BEGAN
3-7 GAN之間的比較
3-8 產生高清圖片:PGGAN、BIGGAN
3-9 實作：(3)去背神器
3-10 新型態的GAN:Conditional GAN
3-11 如何自由操控影像
3-12 解決沒有成對樣本問題:Cycle GAN
3-13 對抗式攻擊
3-14 實作：(4)去背神器、破解驗證碼

▍Lesson4 視覺是理解世界的關鍵

4-1 機器視覺還能做到什麼?
4-2 超解析度圖片怎麼來
4-3 什麼樣的圖片叫做清晰-峰值信噪比
4-4 圖片放大的好方法-Pixel shuffle
4-5 其他相關的演算法
4-6 風格移轉--什麼是風格
4-7 怎麼樣把風格遷移進去?
4-8 風格移轉相關重要論文
4-9 商用等級的風格移轉
4-10 風格移轉使用在圖片上色
4-11 圖像補全
4-12 實作：(5)DeepFake變臉-總統、歌后傻傻分不清楚
4-13 Transfer learning預訓練模型

▍課程內容

➽ 4個課程單元。
➽ 4份上課講義。
➽ 5個實作範例。
→(破解驗證碼/街景分割/顏值識別/去背神器/DeepFake)。

▍學習方式

1. 請先至「課程內容」檔案下載區，將課程講義與實作範例連結下載。
2. 瀏覽本課程的講義與實作內容。
3. 開始觀看課程影片。
4. 建議每周安排至少2.5小時進行學習；總學習期間安排在4周內。
5. 如有任何問題，都可以在「課程討論區」中提出。

▍本系列課程可依個人需求，單獨挑選課程學習或依課程順序學習。

系列課程連結：
▶︎【深度學習實戰1】秒懂AI深度學習-基本概念篇
▶︎【深度學習實戰2】分辨你我他-AI影像辨識(基礎篇)
▶︎【深度學習實戰3】分辨你我他-AI影像辨識(進階篇)
▶︎【深度學習實戰4】AI翻譯官-自然語言處理(基礎篇)
▶︎【深度學習實戰5】AI翻譯官-自然語言處理(進階篇)
▶︎【深度學習實戰6】AlphaGo的秘密-AI強化學習

★提醒您，本課程為原『尹相志深度學習實戰大師跨海教學直播課程』重新剪輯規劃的課程，為方便學員學習將原直播影片剪輯、規劃單元，更易於學員複習和學習進度追蹤。

▍課程內容獨家特色

➽ 透過生活化、有趣的實際案例，幫助你清楚了解AI深度學習是什麼！
➽ 用最少量的數學比例，讓你更了解絕對會扭轉未來的重大技術！
➽ 老師帶領練習：講解概念外還有範例練習部份，提供給學員進行操作練習！
➽ 藉由尹相志老師講解精選的論文內容與心得分享，掌握目前主流的研究方向。
➽ 學習有重點：萃取深度學習演算法中的重點項目教授學員。
➽ 課程資源隨課贈：課程的練習檔案、程式碼、講義都可在下載區下載。

▍尹相志老師獨家教學

➽ 尹相志老師Tibame獨家授課！其他地方找不到喔！
➽ 最強師資！尹相志老師擁有台灣與中國多年實戰經驗，告訴你更多業界實戰經驗！
➽ 絕對不會"太學術"！老師在業界超過10年相關資歷，透過親身經驗、產業案例讓學習內容更貼近實際。

▍跟著尹相志老師學習準沒錯

本次課程我們邀請到尹相志老師，尹老師在資料分析、人工智能業界擁有多年豐富的實戰與教學經驗，這次尹老師將藉由簡單易懂的講解，與生活化的例子，讓架構在複雜數學原理的深度學習，變得淺顯易懂，大大降低初學者的學習門檻。

學習前基本能力

1.對AI有積極學習的心。
2.初學者建議先了解基礎機器學習概念(*可先學習第1堂基礎概念課程)>>點我前往
3.如有基礎程式能力(Java, Python或C++)學習更快速。

學習前準備

可上網的電腦、筆電、手機，進行線上學習。

Q: 請問在哪裡上課？上課時間？

此課程是『線上課程』喔！所以課程上線後，隨時隨地都可以透過手機、平板、與電腦在 TibaMe上看課程影片，沒有時間和地點的問題！

Q: 課程可以看幾次？

不限次數，沒有期限！TibaMe的線上課程都可以一直看一直看一直看！

Q: 可以問老師問題嗎？

當然！如您在購課前有課程內容相關問題，可以先至「課前提問」提出問題；上課後，對老師影片內容有任何不清楚，可以至「課程討論區」與老師同學一同切磋討論喔！

Q: 還有其他問題？

到 FAQ 看看更多問題解答。

課程資訊

課程時長 11 小時 50 分

課程共 8 單元 89 小節

9 個可下載的學習資源

提供完訓證書

提供制定學習計畫建議學習 4 週 (每週 2 小時)

關於講師

尹相志

●專長:
自然語言理解、人工智能算法開發、數據挖掘、商業智慧、分析型CRM、風險管理、數據倉庫

●經歷:
▻中國首屆人工智能大賽發起人與題目設計 (www.botchina.org)
▻現任亞洲資探技術長/Deepbelief.ai人工智慧科學家
▻曾任華院數據(上海)首席數據科學家，數據決策(台灣)技術長
▻台灣微軟特約講師與2006~2017年最有價值專家(MVP)
▻微軟Tech ED 2002, 2004~2015講師
▻和信電訊資深數據挖掘顧問
▻世新大學、德明技術學院資管系講師
▻曾任中華民國數據挖掘協會副秘書長
▻曾任數博網研發總監
▻曾任大衍(特力集團子公司)關係營銷數據挖掘顧問
▻國際化學奧林匹亞化學競賽世界銀牌

●學歷:
▻台灣大學新聞研究所碩士
▻台灣大學化學系

●項目經歷:
▻自然語言處理
▻Isobar 輿情監控，學習情感標注、實體識別、話題識別
▻數雲電商評論非監督自動歸類
▻Acer宏碁競爭品牌電商評論分析

●出版品
▻SQL Server 2008 R2 Reporting Services報表服務
▻SQL Server 2008 OLAP多維度分析
▻SQL Server 2008 Data Mining數據挖掘
▻SQL Server 2008 Reporting Services報表服務
▻Office PerformancePoint Server 2007 企業績效管理
▻使用SQL Server 2005 設計商業智能解決方案(MCITP考試編號70-445)
▻SQL Server 2005 Data Mining數據挖掘 -Office 2007 數據挖掘加載宏
▻SQL Server 2005 OLAP在線實時分析
▻SQL Server 2005 Reporting Services報表服務實務應用
▻SQL Server 2005數據挖掘聖經
▻SQL Server商務智能聖經
▻SQL Server 2000 Analysis Service數據挖掘服務

●尹相志老師翻譯著作
▻數據挖掘—顧客關係管理暨電子營銷之應用 J. A. Michael原著
▻數據挖掘理論與實務—顧客關係管理的技巧與科學 J. A. Michael原著
▻數據挖掘—因特網應用與顧客價值管理 J. A. Michael原著

從物件辨識到目標檢測

所謂的目標檢測

2階段模型

加速的CNN-RCNN

更快的CNN-Fast RCNN

在加速的CNN-Faster RCNN

一階段模型的優勢-Yolo

特徵金字塔網路-FPN

語意分割

實作:(1)驗證碼驗證、街景分割

全卷積網路

對於卷積網路的其他思路

被廣泛運用的人臉辨識

人臉辨識為何困難

機器如何進行人臉辨識

人臉辨識的第一步:人臉檢測

Dlib:最通用的人臉檢測工具

人臉辨識的第二步:人臉對齊

又小又精幹的人臉檢測模型:MTCNN

臉的數據庫:LFW

如何進行臉部識別

經典識別模型:Triangle loss

新的臉孔識別演算法

對抗式模型:讓川普辨識成希拉蕊

Deep Face深層換臉 :讓你轉換成金城武

實際:(2)顏值檢測part1

試看

人臉重建

03:23

情緒辨識

實作:(2)顏值檢測part2

近期最火紅的GAN

GAN的原理原則

為什麼訓練不成功

無窮建模假設的問題

如何解決無窮建模的問題

平衡生成器與鑑別器的方法:BEGAN

GAN之間的比較

產生高清圖片:PGGAN、BIGGAN

實作:(3)去背神器

新型態的GAN:Conditional GAN

如何自由操控影像

解決沒有成對樣本問題:Cycle GAN

對抗式攻擊

實作:(4)去背神器、破解驗證碼

機器視覺還能做到什麼?

超解析度圖片怎麼來

什麼樣的圖片叫做清晰-峰值信噪比

圖片放大的好方法-Pixel shuffle

其他相關的演算法

風格移轉--什麼是風格

怎麼樣把風格遷移進去?

風格移轉相關重要論文

商用等級的風格移轉

風格移轉使用在圖片上色

圖像補全

實作:(5)DeepFake變臉:總統、歌后傻傻分不清楚

Transfer learning預訓練模型

街景分割實作介紹

語意分割的標籤標註形式介紹

模型結構選擇說明

損失函數選擇說明

實作解說

實作演練與訓練結果分析

模型成效：應用場景 - 臺灣街景

去背神器實作及用途介紹

調用數據集：Supervisely

切取方法介紹與選擇

Deeplab V3+ 網路結構特色介紹

去背效果原理介紹

實作演練(上)：模型結構說明

實作演練(中)：損失函數選擇與訓練執行

實作演練(下)：訓練成效與實際應用

大藝術家實作介紹

什麼是視覺特徵

如何設計風格移轉與最佳化

什麼是 Garm Matrix

透過 VGG 進行篩選

總體變動損失

風格移轉的應用

實作解說

訓練結果與總結

越放大越清晰的放大策略

什麼是 SRResNet

如何作出 Pixel shuffle

本次實作改良

Wing Loss

Perception Loss

SSIM 結構相似性指標

峰值信號雜訊比

實作解說

學習附件

06 機器們從此大開眼界.pdf

5.34 MB

07 難以忘記你的臉.pdf

4.60 MB

08 以假亂真的GAN.pdf

4.79 MB

09 視覺是理解世界的關鍵.pdf

5.61 MB

03_實作檔案取得路徑.pdf

445.52 KB

2020實作講義-大藝術家.pdf

3.28 MB

2020實作講義-街景分割.pdf

1.12 MB

2020實作講義-去背神器.pdf

9.45 MB

2020實作講義-越放大越清晰.pdf

2.28 MB

購買此課程後，才能使用留言功能

或

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

尹相志

主題課程

專業學程

就業養成

企業方案

人才媒合

【尹相志深度學習實戰3】分辨你我他-AI影像辨識(進階篇)

最新討論

適合對象

你可以學到

課程介紹

學習前基本能力

學習前準備

關於講師

購買此課程後，才能使用留言功能

目前尚無任何討論主題

關於講師