電腦視覺演算法
機器如何看見世界?看到車子開過來，我們會閃避；遇到認識的人，我們能夠識別。這些動作對人類來說很簡單，但機器做得到嗎？ 隨著電腦運算效率的提升，帶動了深度學習的發展，讓影像領域有了重大的突破。 如今，透過各種影像技術的整合，我們已經能夠讓機器感知世界。
本課程從經典的演算法，如HAAR人臉偵側、Hog 特徵擷取、Adaboost 分類器等演算法，了解如何進行人臉偵測與人臉辨識。同時也以深度學習CNN演算法，來說明如何實現人臉偵測與辨識。
本課程帶你深入了解這些演算法背後的原理，並且對於演算法都以手刻的方式(From Scratch)進行實作。此外,也以Python Tkinter 完成一個人臉門禁系統的小專案。電腦視覺常會依照現場情況有不同的影像處理，因此唯有懂了原理才有可能針對專案的需要，知道如何進行優化與改善，而不侷限於套件工具本身。
學習目標
了解HAAR演算法並知道如何以python實作 (From Scratch)
了解 Adaboost 演算法並知道如何以python實作 (From Scratch)
學會如何利用HARR+Adaboost進行人臉偵測
了解HOG 演算法並知道如何以 python實作 (From Scratch)
學會如何利用HOG + 支持向量機(Support Vector Machine, SVM) 進行人臉或物件識別
學會如何CNN原理及遷移學習的方法，建立人臉識別系統
教學方式
投影片講授及配合程式進行演練
學會如何利用HARR+Adaboost進行人臉偵測
使用Anaconda + Spyder
課程菜單
遠距課程時數:14小時/數位課程時數:14小時
數位觀看天數:30天
精編教材:-精編講義、範例程式碼
-詳細Code 解說且程式範例檔案分類整理
-線上助教系統
課程大綱
電腦視覺-基於HOG與圖像識別
HOG演算法說明與python實作 (From Scratch)
圖檔爬蟲程式撰寫
建立圖檔HOG特徵
Scikit-Learn實現SVM與LogistcRegression
專案: HOG Features+ Classifier :人臉/物品偵測與識別▼
HOG Features+ Classifier :人臉/物品偵測與識別-1
HOG Features+ Classifier :人臉/物品偵測與識別-2
電腦視覺-基於HAAR 人臉偵測
HAAR演算法說明與python實作 (From Scratch)
Adaboost Classifier
專案: HAAR Features人臉偵測
CNN深度學習
遷移學習（transfer learning）和微調（fine-tune）原理說明
使用MobileNet建立圖像特徵 (Image Embedding)
建立DNN Classifier
MQTT協定- 警示通知
專案: 人臉門禁系統(使用Tkinter界面): 加入/刪除/登入人臉帳號▼
