Fiji to pakiet przetwarzania obrazu typu open source, który zawiera ImageJ (program do przetwarzania obrazów wielowymiarowych) oraz szereg wtyczek do naukowej analizy obrazu.
W tym prowadzonym przez instruktora szkoleniu na żywo uczestnicy dowiedzą się, jak korzystać z dystrybucji Fiji i leżącego u jej podstaw programu ImageJ do tworzenia aplikacji do analizy obrazu.
Po zakończeniu tego szkolenia uczestnicy będą w stanie
Korzystaj z zaawansowanych funkcji programowania i komponentów oprogramowania Fiji, aby rozszerzyć ImageJ
Łączenie dużych obrazów 3D z nakładających się kafelków
Automatycznie aktualizuj instalację Fiji podczas uruchamiania za pomocą zintegrowanego systemu aktualizacji
Wybieraj spośród szerokiej gamy języków skryptowych, aby tworzyć niestandardowe rozwiązania do analizy obrazu
Korzystanie z potężnych bibliotek Fiji, takich jak ImgLib, na dużych zbiorach danych bioobrazów
Wdrażać swoje aplikacje i współpracować z innymi naukowcami nad podobnymi projektami
Format kursu
Interaktywny wykład i dyskusja.
Dużo ćwiczeń i praktyki.
Praktyczne wdrożenie w środowisku live-lab.
Opcje dostosowywania kursu
Aby zamówić niestandardowe szkolenie dla tego kursu, skontaktuj się z nami.
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.
Format kursu
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
Więcej...
Last Updated:
Opinie uczestników (1)
The quantity of exercises performed. Help from the trainer on each problem encountered during the exercises. He clarifies the process for us without giving the result.