機器視覺原理與應用

臺北科技大學 114-2 學期課程，課號 353748。

• 學期：114-2
• 授課教師：田方治
• 學分：3
• 選修
• 上課時段：週三 2、3、4 節

課程大綱

本課程為程式語言之延伸，主要以python為程式語言，學習以下之相關主題 Objective I: 熟悉 Python + CV2 + PyQt5 (Homework) Objective II: 熟悉基本數位影像處理之技術 (DIP) – Low level MV Objective III: 機器視覺相關軟硬體之使用 (CCD、鏡頭、光源) Objective IV: 加入 深度學習 (AI) 於機器視覺之應用 – High level MV Objective V: 訓練三種能力: 團隊合作 、解決問題及自我學習 主要工作包括：課堂作業、期末考、期末競賽 (Project)、Paper Reading Note: 建議自備隨身電腦上課

課程進度

Prerequisite: 1. 本課程必須熟悉 Python 程式語言 2. 建議修過程式語言I, II 本課程為程式語言之延伸，主要以python為程式語言，學習以下之相關主題 1. CPU 及 GPU-based DIP(影像處理) - CV2 及 Kornia: 為PyTorch之延伸 ，主要介紹: Image Load/Save/Display、enhancement、Filtering、Edge detection、Morphology、Warp * Geometry Transformation、Color、Segmentation、Data augmentation等 2. 深度學習: 以PyTorch、TorchVision為主，介紹基本Torch語法，再深入介紹CNN網路架構 (LeNet、ResNet、DenseNet、EfficientNet)，Object Detection網路 (Yolo)、AutoEncoder、UNet(Semantic Segmentation)、Anomaly Detection等應用 (視課程進度) 主要工作包括：課堂作業、期末考、期末競賽 (Project)、Paper Reading

評量方式

課堂參與及作業 (Present in class) (15%) Test (Final: 上機考or Take home，Week 17) (30%) Lab 1 – 5 (PBL) (30%) Project – 小組專題競賽報告 (每組30分鐘) (25%)

教材

【遵守智慧財產權觀念，請使用正版教科書，不得使用非法影印教科書】 使用外文原文書：是 Textbooks: A: Image Engineering, Processing, Analysis, and Understanding, Zhang, Yu-Jin, Cengage Learning Asia Pte Ltd. 2009. B: Digital Image Processing, R.Gonzalez, R.E. Woods, 2nd Edition, Prentice Hall C: Learning OpenCV, Coumputer Vision with the OpenCV Library, Gary Bradski and Adrian kaehler, O’Reilly (or other OpenCV books) 個人教材 (PPT) + Video 相關網頁: DeltaMooc (數位影像處理，請上網登錄) YouTube – 請搜尋 北科大 田方治 youtube，包括: Python、Machine Vision