AIoT 智慧交通—物件偵測開發技術教學

課程大綱

隨著人工智慧的技術越趨成熟，帶動了 AI 硬體晶片的發展，Edge AI 的應用也越受產業的矚目。 本課程將會由淺入深的介紹物件偵測演算法的基本概念與發展史，再進一步探討 YOLO 演算法的運作流程。 藉由實際計算各種評估指標來理解其中意義，學會衡量模型的表現結果，同時掌握遷移式學習與 train from scratch 的關鍵知識。運用 Colab 雲端平台進行實作，從無到有開發物件偵測模型，並透過 Edge device jetson nano 來實際運用於智慧交通案例上。

教學目標

了解 AI 物件偵測演算法原理及開發流程，藉由 YOLO 演算法學習如何辨識汽車，並銜接至 jetson nano 上以應用在智慧交通產業。

章節目錄

第一章、物件偵測

• 1.1 -- 物件偵測概念

• 1.2 -- 演算法發展簡介

• 1.3 -- YOLO 運作流程

• 1.4 -- YOLO 細部介紹

第二章、評估指標

• 2.1 -- IoU、Confusion matrix

• 2.2 -- Accuracy、Recall、Precision、F1-score、Sensitivity、Specificity

• 2.3 -- P-R Curve、AP、mAP、ROC Curve

第三章、遷移式學習

• 3.1 -- Transfer Learning

• 3.2 -- Transfer Learning vs Train from scratch

• 3.3 -- YOLO凍結模型實作

第四章、實際演練

• 4.1 -- YOLO 資料格式說明

• 4.2 -- YOLO 資料格式轉換實作

• 4.3 -- 建模流程

第五章、AIoT egde device Jetson nano 應用

• 5.1 -- Jetson nano介紹與環境安裝操作

• 5.2 -- 模型優化與推論

作者 Author

- © 李謦伊 CHING I LEE (Github) (Medium文章)

授權 License

(CC BY-NC-SA 4.0)
本教學課程適用 Attribution-NonCommercial-ShareAlike 4.0 International 授權方式。

※ 轉載、改作、分享請附上以下內容：

• 如有轉載、改作、分享，請註明出處，source: https://github.com/chingi071/AIoT_object_detection_tutorial