|
課程名稱 |
三維電腦視覺與深度學習應用
3D Computer Vision with Deep Learning Applications |
|
開課學期 |
111-1 |
|
授課對象 |
電機資訊學院 資訊工程學研究所 |
|
授課教師 |
陳祝嵩 |
|
課號 |
CSIE5429 |
|
課程識別碼 |
922 U4750 |
|
班次 |
|
|
學分 |
3.0 |
|
全/半年 |
半年 |
|
必/選修 |
選修 |
|
上課時間 |
星期二7,8,9(14:20~17:20) |
|
上課地點 |
資104 |
|
備註 |
限學士班四年級以上 且 限電資學院學生(含輔系、雙修生)
總人數上限：85人 |
|
課程網頁 |
|
|
課程簡介影片 |
|
|
核心能力關聯 |
核心能力與課程規劃關聯圖 |
|
課程大綱
|
|
為確保您我的權利,請尊重智慧財產權及不得非法影印
|
|
課程概述 |
基於影像或視訊之三維定位、建模、生成技術和應用 |
|
課程目標 |
本課程的目標在於讓修課同學瞭解如何從二維平面影像還原三維世界的資訊，包含傳統方法與深度學習方法。
著重於電腦視覺領域中的三維相關專業知識，藉由傳統理論到近期的深度學習方法，了解電腦如何分析影像得到三維空間的資訊。
藉由授課內容及專題報告啟發學生自主探索有興趣的三維電腦視覺與深度學習相關研究，並且深入了解其進階的專業知識。
藉由授課內容及專題報告引導學生檢索並閱讀三維電腦視覺與其深度學習的相關論文，了解傳統方法到深度學習的研究脈絡。 |
|
課程要求 |
將進行程式作業、考試、作業討論、專題及報告等。 |
|
預期每週課後學習時數 |
|
|
Office Hours |
另約時間 備註： 修課學生需具有深度學習模型的基礎知識，如CNN模型, Pytorch. |
|
指定閱讀 |
|
|
參考書目 |
|
|
評量方式
(僅供參考) |
|
|
週次 |
日期 |
單元主題 |
|
第8週 |
|
深度學習簡介 |
|
第1-4週 |
|
像機模型：
相機內外在參數
相機校正
相機方位估測
特徵點抽取：SIFT、ORB等 |
|
第5-7週 |
|
Structure from motion & vision-based SLAM：
雙攝影機基礎矩陣
基於特徵點抽取之相機方位估測
基於特徵點抽取之structure from motion
Bundle Adjustment
SLAM (simultaneous localization and mapping)
3D點雲 |
|
第9-15週 |
|
深度學習之三維電腦視覺：
基於監督式深度學習之相機定位
基於深度模型之立體視覺
基於深度學習之光流估測
基於監督或非監督深度學習之 structure from motion 與 SLAM
深度學習之多視角影像生成
基於3D點雲之深度學習
其他深度學習3D應用課題 |
|