Fiji: Introduction to Scientific Image Processing - Plan Szkolenia

Marvin to rozszerzalny, wieloplatformowy, open-source'owy framework do przetwarzania obrazów i wideo opracowany w Java.  Programiści mogą używać Marvina do manipulowania obrazami, wyodrębniania cech z obrazów do zadań klasyfikacyjnych, algorytmicznego generowania figur, przetwarzania zbiorów danych plików wideo i konfigurowania automatyzacji testów jednostkowych.

Niektóre z zastosowań wideo Marvin ' obejmują filtrowanie, rzeczywistość rozszerzoną, śledzenie obiektów i wykrywanie ruchu.

W tym prowadzonym przez instruktora kursie na żywo uczestnicy poznają zasady analizy obrazu i wideo oraz wykorzystają Marvin Framework i jego algorytmy przetwarzania obrazu do stworzenia własnej aplikacji.

Format kursu

• Najpierw wprowadzane są podstawowe zasady analizy obrazu, analizy wideo i Marvin Framework. Studenci otrzymują zadania oparte na projektach, które pozwalają im ćwiczyć poznane koncepcje. Pod koniec zajęć uczestnicy opracują własną aplikację przy użyciu Marvin Framework i bibliotek.

PaddlePaddle (PArallel Distributed Deep LEarning) to skalowalna platforma głębokiego uczenia opracowana przez Baidu.

W tym prowadzonym przez instruktora szkoleniu na żywo uczestnicy dowiedzą się, jak korzystać z PaddlePaddle, aby umożliwić głębokie uczenie się w swoich aplikacjach produktowych i usługowych.

Po zakończeniu tego szkolenia uczestnicy będą w stanie

• Konfiguracja i konfiguracja PaddlePaddle
• Konfigurowanie konwolucyjnej sieci neuronowej (CNN) do rozpoznawania obrazów i wykrywania obiektów
• Konfigurowanie rekurencyjnej sieci neuronowej (RNN) do analizy nastrojów
• Skonfiguruj głębokie uczenie w systemach rekomendacji, aby pomóc użytkownikom znaleźć odpowiedzi
• Przewidywać współczynniki klikalności (CTR), klasyfikować zestawy obrazów na dużą skalę, wykonywać optyczne rozpoznawanie znaków (OCR), szeregować wyszukiwania, wykrywać wirusy komputerowe i wdrażać system rekomendacji.

Publiczność

• Programiści
• Naukowcy zajmujący się danymi

Format kursu

• Część wykładu, część dyskusji, ćwiczenia i ciężka praktyka praktyczna

Dopasowywanie wzorców to technika używana do lokalizowania określonych wzorców na obrazie. Może być używana do określenia istnienia określonych cech w przechwyconym obrazie, na przykład oczekiwanej etykiety na wadliwym produkcie w linii produkcyjnej lub określonych wymiarów komponentu. Różni się od "Pattern Recognition" (który rozpoznaje ogólne wzorce w oparciu o większe zbiory powiązanych próbek) tym, że konkretnie dyktuje, czego szukamy, a następnie mówi nam, czy oczekiwany wzorzec istnieje, czy nie.

Ten kurs wprowadza podejścia, technologie i algorytmy stosowane w dziedzinie dopasowywania wzorców w odniesieniu do Machine Vision.

Scilab jest dobrze rozwiniętym, darmowym i otwartym językiem wysokiego poziomu do manipulacji danymi naukowymi. Używany w statystyce, grafice i animacji, symulacji, przetwarzaniu sygnałów, fizyce, optymalizacji i nie tylko, jego centralną strukturą danych jest macierz, co upraszcza wiele rodzajów problemów w porównaniu z alternatywami, takimi jak FORTRAN i pochodne C. Jest kompatybilny z językami takimi jak C, Java i Python, dzięki czemu nadaje się jako uzupełnienie istniejących systemów.

Podczas tego szkolenia prowadzonego przez instruktora uczestnicy poznają zalety Scilab w porównaniu z alternatywami, takimi jak Matlab, podstawy składni Scilab, a także niektóre zaawansowane funkcje i interfejs z innymi powszechnie używanymi językami, w zależności od zapotrzebowania. Kurs zakończy się krótkim projektem skupiającym się na przetwarzaniu obrazu.

Pod koniec tego szkolenia uczestnicy będą mieli opanowane podstawowe funkcje i niektóre zaawansowane funkcje Scilab oraz będą mieli zasoby do dalszego poszerzania swojej wiedzy.

Publiczność

• Naukowcy i inżynierowie zajmujący się danymi, szczególnie zainteresowani przetwarzaniem obrazu i rozpoznawaniem twarzy

Format kursu

• Część wykładu, część dyskusji, ćwiczenia i intensywna praktyka praktyczna, z końcowym projektem