具備嵌入式機器學習的電腦視覺

電腦視覺（CV）是一個令人著迷的研究領域，它試圖自動化為數位影像或影片賦予意義的過程。換句話說，我們正在幫助電腦看到並理解我們周圍的世界！許多機器學習 (ML) 演算法和技術可用於完成 CV 任務，隨著 ML 變得更快、更有效率，我們可以將這些技術部署到嵌入式系統中。

關於此專業課程

本課程由 Edge Impulse、OpenMV、Seeed Studio 和 TinyML 基金會合作提供，將讓您了解如何使用神經網路深度學習來分類影像以及偵測影像和影片中的物件。您將有機會將這些機器學習模型部署到嵌入式系統，稱為嵌入式機器學習或 TinyML。

建議熟悉 Python 程式語言和基本 ML 概念（例如神經網路、訓練、推理和評估），以便理解一些主題並完成專案。測驗和專案也需要一些數學知識（閱讀圖表、算術、代數）。如果您還沒有這樣做，建議您學習「嵌入式機器學習簡介」課程。

本課程涵蓋了理解卷積神經網路 (CNN) 如何運作所需的概念和詞彙，以及如何使用它們來分類影像和偵測物件。實踐專案將使您有機會訓練自己的 CNN 並將其部署到微控制器和/或單板計算機

到官方網站了解本課程與上課

你將學到的內容有

如何使用機器學習訓練和開發圖像分類系統
如何使用機器學習訓練和開發物件偵測系統
如何將機器學習模型部署到微控制器

你將獲得的技能：

機器學習	電腦程式設計	Python程式設計
微控制器	嵌入式系統開發

字幕

簡中、英文

製作方

Edge Impulse

Edge Impulse 是領先的邊緣設備機器學習開發平台，對開發人員免費，深受企業信賴。我們由 Zach Shelby 和 Jan Jongboom 於 2019 年創立，我們的使命是讓開發人員能夠創建下一代智能設備。我們相信機器學習可以為社會帶來積極的變化，我們致力於為良好的應用程式提供支持。

第 1 單元影像分類

在本模組中，我們介紹電腦視覺的概念以及如何使用它來解決問題。我們介紹瞭如何在電腦上建立和儲存數位影像。接下來，我們回顧神經網路並示範如何使用它們對簡單圖像進行分類。最後，我們將引導您完成一個專案來訓練影像分類器並將其部署到嵌入式系統。

第 2 單元卷積神經網絡

在本模組中，我們將介紹卷積神經網路 (CNN) 的基礎知識以及如何使用它們來創建更強大的圖像分類模型。我們研究 CNN 的內部工作原理（例如捲積和池化）以及一些用於了解 CNN 如何做出決策的視覺化技術。我們引入資料增強的概念，以幫助為訓練過程提供更多資料。您將有機會訓練自己的 CNN 並將其部署到嵌入式系統。