影像辨識領域是近年來深度學習最蓬勃發展的一塊領域，舉凡智慧家居、自駕車、生產瑕疵品檢測、安防監控、醫療影像等應用，都和深度學習影像辨識技術息息相關。而如果想從深度學習中的影像辨識模型得到一個高準確率的結果，影像資料的預處理/前處理非常重要。有效的影像前處理/預處理，意味著透過專業的影像處理技巧，降低影像中的雜訊(noise)，讓模型進行特徵提取時能更精準，降低運算資源的負擔，模型的精準度才會高。本課程全程實作導向，由產業資深講師引領你掌握必會的影像處理技巧，接著教你深度學習卷神經網絡(Convolutional Neural Networks，CNN)在影像處理的各種應用。完整的範例程式碼加上講師詳細的講解，幫助你更容易理解各種方法的原理。上機實戰演練，從實做中，讓你自然而然地了解CNN各種方法的架構與程式指令，不再似懂非懂，而是能快速的將所學到的技術應用在自己有興趣的視覺處理領域。

你將學會

1. 熟悉數位影像於電腦中的表現形式，包含：儲存格式、讀取及寫入、像素運算。
2. 理解數位影像處理原理並能實作，包含：影像去雜訊、影像品質增強、影像重採樣(降維/增維)。
3. 理解數位電腦視覺原理並能實作，包含：影像特徵提取、特徵強化、輪廓萃取、卷積運算、型態學運算。
4. 充分活用 OpenCV 函式庫，包含：影像處理、影片(視訊)處理、高階 GUI 工具(圖形互動介面)、Image Processing 演算法實務、Computer Vision 演算法實務。
5. 主題實戰-AOI測量、醫學影像應用、YOLO實現物件偵測
6. 了解深度學習的原理及各種訓練技巧-Batch Normalization, Dropout, Early Stopping
7. 學會使用Keras進行深層神經網路(DNN)實作
8. 了解CNN模型與工作原理並能實作CNN影像分類與進階技巧