教學大綱與進度

課程基本資料：

學年期	課號	課程名稱	階段	學分	時數	修	教師	班級	人	撤	備註
112-2	328294	機器視覺原理與應用	1	3.0	3	★	田方治	工管所	15	2	工管四甲乙丙 碩合開

教學大綱與進度：

教師姓名	田方治　教師諮商時間(Office Hours)
Email	fctien@ntut.edu.tw
最後更新時間	2023-12-16 13:09:02
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 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 (FRCNN、Mask RCNN、Yolo)、AutoEncoder、UNet(Semantic Segmentation)、Anomaly Detection、GAN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
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、工業機器人或基礎影像處理 (如果對程式語言 python 不熟悉者，不建議修習本課程) 詳細課程進度將於第一次上課說明 主要項目: 1. PyTorch 簡介 2. CV2 and Kornia: 4~6周 3. CNN: 2 week 4. OD: 2~3 weeks 5. Autoencoder、UNet: 1~2 Week 6. AD: 2 Week 7. GAN : 1 Week
評量方式與標準	Homework 30 % Project – (Week 18) (Programming 10%+ Presentation & Report 5%) 30% Paper reading and presentation (Week 16, 17) 10% Final (Take home exam, Week 17) 30%
使用教材、參考書目或其他	【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 個人 YouTube: https://www.youtube.com/channel/UCWvAFNxvB59MLKITHHxx8jg/featured R. Gonzalez, R.E. Woods，Digital Image Processing，2nd Edition, Prentice Hall R. Gonzalez, R.E. Woods, S.L. Eddins, Digital Image Processing using Matlab, Prentice Hall Kornia (https://kornia-tutorials.readthedocs.io/en/latest/) Other selected papers
課程諮詢管道	周三上午 office Hours
課程對應SDGs指標
備註	Google Meet 上課網址：https://meet.google.com/pwu-amgf-sgm