深度學習智慧應用
Intelligent Applications of Deep Learning
學期
113-1
學分
3
學分
當期課號
555008
永久課號
EEDE30081
開課單位
電機學院碩士在職專班
授課教師
易志偉
校區
光復
類別
選修
上課時間表
| 節 | 週二 |
|---|---|
A 18:30–19:20 | 深度學習智慧應用 EC115 3 節連堂 |
B 19:30–20:20 | |
C 20:30–21:20 |
* 根據陽明交大上課時間表所列
概述
課程將教授Convolutional Neural Networks及Recurrent Neural Networks等深度學習相關的知識及應用,基於開源的深度學習程式碼來開發進階應用,包含:物件追踪、車流計算、動作辨識及語音辨識等。授課內容將以深度學習及應用實作為主軸,包含: 1. 基礎技能:開源軟體專案的使用、影音資料處理、CNN簡介。 2. 物件辨識:R-CNN及YOLO等網路實作,以車輛辨識為應用範例。 3. 物件追踪:基於物件辨識網路,實作物件追踪,以車流計算及網球追蹤為應用範例。 4. 動作辨識:人體骨架偵測網路實作,以姿態分析為應用範例。 5. 多媒體資料庫查詢:metrics learning相關網路實作,以商品查詢及語音人物辨識為應用範例。
先修科目
Python程式語言、演算法(大學部)
教學方式
請自備具筆電,並具可使用GPU資源(本機或雲端皆可),因不會有大型模型訓練需求,故無需高階顯卡;課堂將安排實作,約占一半之授課時間;相容性及作業系統平台的問題,需自行處理,找尋這類問題的答案,是自主學習的一部份。 課程將安排數個深度學習網路及應用之實作,需花費大量時間,選課前請慬慎評估時間規劃。
評分方式
期中技術報告及簡報 * 1 15% 深度學習網路實作 * 4 60% 期末專案 * 1 25%
週次計畫
| 週次 | 主題 |
|---|---|
| 第 1 週 | 課程簡介 因學期長度由18週調整為16週,授課內容持續調整修正中,以課堂公告為準。 |
| 第 2 週 | Lecture 1. Camera System and Computer Vision |
| 第 3 週 | 中秋節(放假) |
| 第 4 週 | Lecture 1. Camera System and Computer Vision Lab 1-1. 程式開發環境及工具 Lab 1-2. 攝影系統實作 |
| 第 5 週 | Lecture 2-1. ANN and CNN |
| 第 6 週 | Lecture 2-2. Image Classification (ImageNet and Data Augmentation) 作業繳交 (Lab 1) |
| 第 7 週 | Lab 2. Classification by VGG 物件分類或字元辨認 |
| 第 8 週 | Lecture 3-1. Object Detection: R-CNN and YOLO |
| 第 9 週 | Lecture 3-2. 補充教學(暫定2D/3D Skeleton Detection) 作業繳交 (Lab 2) |
| 第 10 週 | Lab 3. Object Detection by YOLO Vehicle Detection and/or Plate Recognition |
| 第 11 週 | Lecture 4. Object Tracking Vehicle Tracking and Traffic Flow Counting Tiny and Speedy Object Detection and Tracking (TrackNet/TrackNetV2) PairNet |
| 第 12 週 | 期未專題提案簡報 (一) 作業繳交 (Lab 3) |
| 第 13 週 | Lab 4. Badminton Tracking by TrackNetV2 |
| 第 14 週 | Lecture 5. Series Models: RNN, LSTM, GRU, ... |
| 第 15 週 | 期未專題提案簡報 (二) 作業繳交 (Lab 4) |
| 第 16 週 | Lab 5. Speaker Recognition |
| 第 17 週 |
教科書
授課講義、論文及網路開源資料
Office Hours
- 地點
- EC432
- 時間
- Tu 5:00-6:30 pm
- 聯絡方式
- Email: cwyi@nctu.edu.tw Tel: (03)5131346