| 課程與核心能力關聯配比(%) |
課程目標之教學方法與評量方法 |
| 課程目標 |
核心能力 |
配比(%) |
教學方法 |
評量方法 |
1. 瞭解常見的電腦視覺任務和影像視覺模型。
2. 實作不同的影像視覺模型。
3. 評估模型品質並改善效能。 |
| 1.具備資訊科學素養、資訊理論與數學分析之能力 |
| 3.具備分析、設計與實作資訊軟體系統之能力 |
| 5.具備分析、設計與實作資訊網路與多媒體系統之能力 |
| 7.具備資料蒐集、獨立思考、解決問題及研究創新之能力 |
| 8.尊重學術倫理並具備學術論文的簡報與撰寫能力 |
|
|
|
|
| 授課內容(單元名稱與內容、習作/每週授課、考試進度-共16週加自主學習) |
| 週次 |
授課內容 |
| 第1週 |
課程介紹 |
| 第2週 |
視覺機器學習模型 |
| 第3週 |
Convolutional Neural Networks介紹 |
| 第4週 |
Convolutional Neural Networks實作
|
| 第5週 |
模型品質與改進
|
| 第6週 |
進階影像視覺模型 |
| 第7週 |
進階影像視覺模型實作 |
| 第8週 |
期中考 |
| 第9週 |
前置處理&遷移學習與微調 |
| 第10週 |
物件偵測和影像分割 |
| 第11週 |
物件偵測和影像分割
|
| 第12週 |
進階視覺問題
|
| 第13週 |
影像和文本生成 |
| 第14週 |
Autoencoders and GAN |
| 第15週 |
Siamese Network |
| 第16週 |
期末考
論文導讀(自主學習週)
論文導讀(自主學習週) |
自主學習
內容 |
|
|
| 學習評量方式 |
期中考 (20%)
期末考 (20%)
小考 + 課堂練習 (30%)
期末專題 (20%)
出席 (10%) |
| 教科書＆參考書目(書名、作者、書局、代理商、說明) |
自編投影片教材
參考書目：電腦視覺機器學習實務｜建立端到端的影像機器學習
作者：Valliappa Lakshmanan, Martin Görner, Ryan Gillard
出版社：碁峰 |
| 課程教材（教師個人網址請列在本校內之網址） |
| 自編投影片教材 |
| 課程輔導時間 |
| Email聯絡安排討論時間 |
| 聯合國全球永續發展目標(連結網址) |
| 04.教育品質 08.就業與經濟成長 09.工業、創新基礎建設 11.永續城市 | 提供體驗課程：N |
|