深度學習於智慧汽車應用
Deep Learning for Autonomous Driving
| 節 | 週一 | 週三 |
|---|---|---|
5 13:20–14:10 | 深度學習於智慧汽車應用 ED301 | |
7 15:30–16:20 | 深度學習於智慧汽車應用 ED301 2 節連堂 | |
8 16:30–17:20 |
* 根據陽明交大上課時間表所列
課程目標:本課程模組目標為教授深度學習各種模型與模型加速。並以輔助駕駛或自動駕駛相關應用說明不同模型設計考量。 目標為學生可自行開發以深度學習方法應用於各式應用,包含智慧汽車系統,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 □model compression: 模型加速 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。 ---------------------------- 與其他深度學習課程不同處: 由於深度學習進展相當快,本課程每年都會將最新發展與趨勢納入課程,隨時更新最新的模型設計與訓練方法及其背後的原理。
probability linear algebra
all materials will be at NYCU e3 site 上課以實體為主,如因各種狀況需使用線上,請用以下連結 線上課程 Microsoft teams https://teams.microsoft.com/l/meetup-join/19%3aUIP4BThEZsOBo_zOLhaKxesLlPQ4qYwer_SLzdgkfPA1%40thread.tacv2/1662899673301?context=%7b%22Tid%22%3a%2280a9abdb-7cef-443c-b040-3f8e75e9232e%22%2c%22Oid%22%3a%2209686880-8331-411c-ae93-bf01ad7150f3%22%7d 2021 上課錄影 https://www.youtube.com/playlist?list=PLCUEmRsKEgZ5p3pge3ZViV9zdGyElkF7E
Lab x5 (60%) Final project (20%) (2 persons in a group. topic survey + implementation) Final exam (20%)
| 週次 | 主題 |
|---|---|
| 第 1 週 | course introduction autonomous driving overview of computer vision: image classification |
| 第 2 週 | neural network: introduction and back propagation 1st lab |
| 第 3 週 | Introduction of convolutional neural network |
| 第 4 週 | neural network training part 1 2nd lab |
| 第 5 週 | 10/10 National holiday advanced CNN architecture |
| 第 6 週 | neural network training part 2 3rd lab |
| 第 7 週 | semantic segmentation |
| 第 8 週 | Object detection 4th lab |
| 第 9 週 | Object detection |
| 第 10 週 | model simplification and acceleration |
| 第 11 週 | model simplification and acceleration 5th lab |
| 第 12 週 | Motion planning: 車輛自動行進控制/ Reverse Reinforcement learning for driving learning |
| 第 13 週 | Final Exam |
| 第 14 週 | recurrent neural network |
| 第 15 週 | Generative adversarial network and self driving |
| 第 16 週 | Transformer |
| 第 17 週 | 1/2 National holiday 期末專題 |
| 第 18 週 | 期末專題 |
Course slides and papers will be our major source. reference: Deep Learning, Ian Goodfellow, Yoshua Bengio and Aaron Courville
- 地點
- ED406
- 時間
- W56, please make an appointment in advance.
- 聯絡方式
- e-mail: tschang@nycu.edu.tw TEL: 03-5731925 (NYCU local extension number: 31925)