深度學習於智慧汽車應用
Deep Learning for Autonomous Driving
學期
107-1
學分
3
學分
當期課號
5021
永久課號
IEE5599
開課單位
電子研究所
授課教師
張添烜
校區
光復
類別
選修
上課時間表
| 節 | 週一 |
|---|---|
5 13:20–14:10 | 深度學習於智慧汽車應用 ED219 3 節連堂 |
6 14:20–15:10 | |
7 15:30–16:20 |
* 根據陽明交大上課時間表所列
概述
課程目標:本課程模組目標為學生可自行開發以深度學習方法應用於智慧汽車系統,可訓練學生對於深度學習及智慧車的概念,在未來進一步實際運用於自走車及智慧交通系統等進階教學、實驗課程模組。 課程特色: PBL教學案例: 場景辨識與方向控制,目標95%正確率與30fps即時處理。 課程內容: □機器學習概論 □電腦視覺概論 □Convolutional neural network □Deep learning practices □Recurrent neural network □Object detection: 車輛與行人偵測/交通號誌偵測 □Motion planning: 車輛自動行進控制/ Reverse Reinforcement learning for driving learning 實習課程配合上述授課內容進行實際操作演練;期末專題則根據以上授課與實習內容,分小組進行設計與訓練測試,鼓勵學生以創意方式達成之課程目的。
先修科目
probability linear algebra
教學方式
all materials will be at e3new.nctu.edu.tw
評分方式
Lab x5 (60%) Final project (20%) Final exam (20%)
週次計畫
| 週次 | 主題 |
|---|---|
| 第 1 週 | course introduction autonomous driving |
| 第 2 週 | overview of computer vision: image classification neural network: introduction and back propagation 1st lab |
| 第 3 週 | 中秋節 |
| 第 4 週 | Introduction of convolutional neural network |
| 第 5 週 | neural network training 2nd lab |
| 第 6 週 | neural network training |
| 第 7 週 | advanced CNN architecture 3rd lab |
| 第 8 週 | semantic segmentation |
| 第 9 週 | Object detection 4th lab |
| 第 10 週 | Motion planning: 車輛自動行進控制/ Reverse Reinforcement learning for driving learning |
| 第 11 週 | model simplification and acceleration 5th lab |
| 第 12 週 | model simplification and acceleration |
| 第 13 週 | Final Exam |
| 第 14 週 | recurrent neural network |
| 第 15 週 | Generative adversarial network and self driving |
| 第 16 週 | Generative adversarial network and self driving |
| 第 17 週 | 邀請演講 |
| 第 18 週 | 期末專題 |
教科書
Course slides and papers will be our major source. reference: Deep Learning, Ian Goodfellow, Yoshua Bengio and Aaron Courville
Office Hours
- 地點
- ED406
- 時間
- 3 EF, please make an appointment in advance.
- 聯絡方式
- e-mail: tschang@mail.nctu.edu.tw TEL: 03-5731925 (NCTU local extension number: 31925)