課程緣起：

近年來人工智慧多物件識別與偵測 (multiple object classification and detection) 的方法已逐漸成熟，尤其是具有即時偵測特性的方法更為大家所關注。

YOLO (You Only Look Once) 多物件偵測方法從第一版演進至今已進化至第八及第十一版，所採用的方法也都是近年來一時之選的技術，因此已經可以達到很不錯的偵測效果，但是由於其複雜度的提升，總是讓初學者難以掌握；有鑑於此，本課程特別以YOLOv8/YOLOv11系列技術為主題，詳細說明其理論基礎，並且更進一步以實習的方式，讓學員以實際的主題進行簡易影像目標的標註、訓練、預估並應用至邊緣裝置，親自的演練一次流程，以便之後能夠確實的使用此工具進行人工智慧視覺辨識的產品開發。

課程目標：

本課程的目標將以YOLOv8/YOLOv11系列技術為主題，詳細說明其理論基礎，並且更進一步以實習的方式，讓學員以實際的主題進行簡易影像目標的標註、訓練、預估並應用至邊緣裝置，親自的演練一次流程，以便之後能夠確實的使用此工具進行人工智慧視覺辨識的產品開發。

完成學習之後，可從本課程習得人工智慧視覺辨識的基礎開發技能，應用於安全監控、自架車、機器人、生醫領域自動視覺辨視、生產線自動化、農耕自動化等相關人工智慧領域產品開發。

適合對象：

• 電子/電機/資訊相關工程師
• 高階軟體開發工程師
• 大數據相關研發人員或資料科學家
• 統計/數值分析研究人員
• 財務分析工程師
• 醫學工程研究人員
• 生物科技研究人員

課程特色：

• 堅強師資陣容：授課老師具備完整知識及豐富的業界經驗。課程中將以著名的案例來說明人工智慧視覺辨識開發的原理與方法，讓學員以最快的速度奠定人工智慧視覺開發的設計基礎。
• 課程內容彙整論文及書籍精華：講義內容豐富，不但綜整許多著名書籍的精華內容，並且萃取多篇具有代表性的學術及專業論文，使學員能夠有效率的吸收到最新最流行的人工智慧視覺辨識的開發技術。
• 快速的重點講解：課程中將結合講師講授、經驗分享、實務案例分析、工具軟體應用示範，以增進學習的成效。同時，提供豐富的補充教材，包括設計時參考使用的程式源碼及實驗資料取得方式，讓學員能夠盡快上手，開始設計屬於自己的專案計畫，加入人工智慧視覺辨識的設計行列。

課程大綱：

1. CNN 類神經網路整合介紹
2. YOLOv1 演算法架構介紹
3. FPN/PAN演算法架構介紹
4. YOLOv3/v4/v5 演算法架構介紹
5. YOLOv3/v4/v5 優點說明
6. YOLOv3/v4/v5 控制檔說明
7. 物件偵測實作計畫說明
8. 影像資料收集及標註
9. YOLOv8/v11 程式使用方法說明
10. YOLOv8/v11 模型訓練
11. 模型訓練精準度評估
12. YOLOv8/v11 模型預估
13. YOLOv8/v11 物件偵測實作檢驗
14. YOLOv8/v11 演算法架構介紹
15. YOLOv8/v11 Mask Segmentation
16. YOLOv8/v11 物件追蹤介紹
17. YOLOv8/v11 ONNX及TensorRT Jetson Nano邊緣運算