多物件識別與偵測 (multiple object classification and detection) 的目的是在影像中找到目標物件，將物件以方形框 (Bounding Box) 標註起來以便做進一步的場景或意圖分析。如果想要在圖中取得更多的資訊，就必須再進一步取得物件的多邊外型及姿態，也就是必須加入物件切割 (Segmentation) 的方法，將物件與背景分離。

Mask R-CNN (Region-based Convolutional Neural Networks) 的方法即整合了物件偵測與含意切割 (Semantic Segmentation ) 等技術，成功的一同完成物件偵測及其外型切割等工作。因其優異的演算整合及偵測效果，目前已經廣泛的被應用於人工智慧機器視覺等相關領域；然而由於其演算方法中使用了廣泛的影像處理技術，提高了許多理解的門檻，因此本課程除了詳細解說其演算法的精神之外，同時以實習的方式，讓學員能夠親自實作一簡單的計畫，以便能夠確實的將此工具應用於日後的研究領域上。

完成學習之後，可從本課程習得人工智慧視覺辨識的基礎開發技能，應用於安全監控、自架車、機器人、生醫領域自動視覺辨視、生產線自動化、農耕自動化等相關人工智慧領域產品開發。

※上課時間 ：歡迎機關團體或個人隨時來電洽詢。

※基礎 ：具備有深度學習基礎者均可參加此課程。