章節說明:CH01 認識智慧影像辨識
1.1 人工智慧
1.1.1 人工智慧是什麼？
1.1.2 人工智慧基本應用
1.1.3 人工智慧實際應用
1.2 智慧影像辨識應用
1.2.1 影像處理
1.2.2 智慧影像辨識
1.2.3 突破智慧影像辨識學習的困境
CH02 OpenCV和Pillow影像處理
2.1 OpenCV
2.1.1 以OpenCV讀取及顯示圖形
2.1.2 儲存影像檔
2.1.3 OpenCV基本繪圖
2.1.4 使用OpenCV進行臉部偵測
2.1.5 擷取臉部圖形及存檔
2.2 圖片特效處理
2.2.1 認識圖片的維度
2.2.2 圖片灰階和黑白處理
2.3 建立新畫布與圖形合併
2.3.1 建立新畫布
2.3.2 圖形合併
2.4 擷取攝影機影像
2.5 Pillow
2.5.1 Pillow圖片基本操作
2.5.2 Pillow圖片編輯
2.5.3 圖片灰階處理
2.5.4 Pillow繪製圖形
2.6 OpenCV與Pillow圖像格式互轉
2.6.1 OpenCV轉Pillow
2.6.2 Pillow轉OpenCV
2.6.3 OpenCV和Pillow黑白圖片處理比較
CH03 OpenCV模型訓練
3.1 專題方向
3.2 準備訓練Haar特徵分類器資料
3.2.1 認識Haar特徵分類器
3.2.2 處理正樣本及實測圖片
3.2.3 處理負樣本圖片
3.3 建立車牌號碼Haar特徵分類器模型
3.3.1 處理Haar特徵分類器模型的檔案結構
3.3.2 加入正樣本
3.3.3 加入負樣本
3.3.4 正樣本標記資料
3.3.5 顯示及修改框選區域
3.3.6 調整框選區域寬高比
3.3.7 增加車牌數量
3.3.8 訓練Haar特徵分類器
3.4 使用Haar特徵分類器模型
3.4.1 Haar特徵分類器模型語法
3.4.2 車牌號碼偵測
CH04 OpenCV影像辨識-車牌
4.1 專題方向
4.2 車牌號碼擷取
4.2.1 原始圖片轉換尺寸
4.2.2 擷取車牌號碼圖形
4.2.3 以輪廓偵測分割車牌號碼文字
4.2.4 組合擷取車牌號碼文字圖形
4.2.5 去除畸零地
4.3 車牌辨識
4.3.1 文字辨識
4.3.2 單一車牌辨識
4.3.3 整批車牌辨識
CH05 火箭級智慧影像辨識-Yolo
5.1 Yolo是什麼？
5.1.1 Yolo發展歷程
5.1.2 Yolo偵測物體原理概述
5.1.3 Yolo偵測物體種類
5.2 建立Yolo系統
5.2.1 安裝軟體與模組
5.2.2 編譯Yolo
5.2.3 在命令提示字元視窗執行Yolo
5.2.4 以Python程式執行Yolov3
5.3 訓練自訂Yolo偵測模型
5.3.1 標記工具
5.3.2 下載Kaggle口罩資料
5.3.3 轉換PascalVOC為Yolo格式
5.3.4 建立訓練組態資料結構
5.3.5 訓練模型
CH06 使用Colab訓練Yolo模型
6.1 Colab：功能強大的虛擬機器
6.1.1 Colab介紹
6.1.2 Colab建立記事本
6.1.3 Jupyter Notebook基本操作
6.1.4 Colab連接Google Drive雲端硬碟
6.1.5 執行Linux命令
6.2 Colab中訓練Yolo模型
6.2.1 整理口罩資料
6.2.2 進行Yolov3模型訓練
6.2.3 訓練Yolo模型注意事項
6.2.4 訓練其他Yolo模型
6.3 使用自行訓練的Yolo模型
6.3.1 在Colab中使用自行訓練Yolo模型
6.3.2 在Python中使用自行訓練Yolo模型
CH07 最強智慧影像辨識-dlib
7.1 dlib人臉偵測
7.1.1 安裝dlib
7.1.2 簡單人臉偵測
7.1.3 5點特徵人臉偵測
7.1.4 CNN訓練模型人臉偵測
7.1.5 68點特徵人臉偵測
7.1.6 攝影機圖像中畫出點輪廓
7.2 dlib人臉辨識
7.2.1 人臉辨識
7.2.2 dlib人臉登入系統
7.3 dlib其他應用
7.3.1 偵測嘴巴是否張開
7.3.2 偵測打瞌睡
7.3.3 物體追蹤
CH08 dlib自行訓練模型
8.1 dlib訓練自己模型
8.1.1 擷取影片畫面蒐集資料
8.1.2 標記圖片
8.1.3 訓練模型
8.1.4 使用模型
8.1.5 自行訓練模型應用：車流偵測
8.2 dlib訓練進階模型
8.2.1 偵測多物體功能
8.2.2 訓練車牌特徵點模型
8.2.3 使用車牌特徵點模型
8.2.4 車牌特徵點模型應用
2024專利防護中