關於 hog特徵 ，我們在網路上蒐集到這些相關的討論、資訊與評價

本課程的目的是提供學生設計和開發自動駕駛車輛的主要知識。 課程提供了各種自駕駛車輛的實際經驗，例如機器學習和電腦視覺。 這些概念包括車道偵測、交通標誌分類、車輛 / 物件探測、人工智慧和深度學習等概念。 本課程針對希望獲得對自動駕駛車輛控制的基本理解的學生設計。建議修這門課的學生具備基本的程式設計知識。 至於其他主題，在起始的講座會廣泛涉及; 因此，沒有必要的先決知識，只要具備基本程式設計知識的學生都有辦法跟上。 參加這個自動駕駛汽車課程的學生將掌握無人駕駛汽車技術，這些技術將重塑交通運輸的未來。

我們將涵蓋的工具和演算法包括:

✅OpenCV
✅深度學習和人工神經網路
✅卷積( Convolutional )神經網路
✅模板匹配( Template matching )
✅HOG 的特徵提取
✅SIFT 、 SURF、FAST 和 ORB
✅Tensorflow 和 Keras
✅線性迴歸和邏輯迴歸
✅決策樹( Decision Trees )
✅支援向量機( Support Vector Machines，SVM )
✅Naive Bayes

https://softnshare.com/autonomous-cars-deep-learning-and-computer-vision-in-python/

☎ <8/23> 影像式物體偵測與辨識技術 ~~確定開班
本課程將從影像式行人偵測開始，介紹最有效的影像特徵之一HOG，用以達成偵測行人的目標。為了達到良好的偵測效果，所取得HOG特徵，會透過機器學習的方法，找出適合的分類器。另外，近年在各種影像應用中得到不錯成績的深度學習（Deep Learning)，也將會在本課程中做深入的介紹。歡迎對影像式物體偵測與辨識技術有興趣者報名參加本課程。

● 課程洽詢： (０２)-２３７０１１１１ ＃３１３蘇小姐

線上報名：https://college.itri.org.tw/SeminarView2.aspx…

工研院產業學院『影像式物體偵測與辨識技術』
熱烈招生中 ~ 02-2370-1111

現代主動安全科技的核心概念是透過車載攝影機與雷達感測裝置搭配影像辨識系統，讓汽車「看」得見周遭路況、並且利用快速運算的電腦，分析判斷所獲得的影像資料，並進一步預估車輛可能遭遇到的狀況，再主動提出避開危險的警示，甚至直接指揮車輛進行避險動作，大大提升車輛價值並有效降低交通事故。目前國際各大車廠已發展出各種主動安全防撞系統，例如：Audi Piloted Parking、Volvo City Safety、Ford Active City Stop、Mercedes-Benz Pre-safe System等。針對此技術需求，本課程將從影像式行人偵測開始，介紹目前最為有效的影像特徵之一HOG，是如何達成偵測行人的目標。為了達到良好的偵測效果，所取得HOG特徵，會透過機器學習的方法，找出適合的分類器。另外，近年在各種影像應用中得到不錯成績的Deep Learning，也將會在本課程中介紹。

連結:https://college.itri.org.tw/edm/D1/005/04/edm.html