Wizja komputerowa dla samochodów autonomicznych - Plan Szkolenia

To prowadzone przez instruktora, interaktywne szkolenie (online lub stacjonarne) skierowane jest do zaawansowanych inżynierów robotyki i badaczy AI, którzy chcą wdrożyć wyrafinowane algorytmy planowania ścieżki w celu poprawy wydajności pojazdów autonomicznych.

Po zakończeniu tego szkolenia uczestnicy będą mogli:

• Zrozumieć teoretyczne podstawy zaawansowanych algorytmów planowania ścieżki.
• Wdrożyć algorytmy takie jak RRT*, A* i D* do nawigacji w czasie rzeczywistym.
• Zoptymalizować planowanie ścieżki pod kątem unikania przeszkód i dynamicznych środowisk.
• Zintegrować algorytmy planowania ścieżki z danymi z czujników w celu zwiększenia dokładności.
• Ocenić wydajność różnych algorytmów w praktycznych scenariuszach.

Ten szkolenie prowadzone przez instruktora w Polsce (online lub na miejscu) jest przeznaczone dla zaawansowanych data scientistów, specjalistów od AI oraz developerów AI w branży motoryzacyjnej, którzy chcą budować, trenować i optymalizować modele AI dla aplikacji autonomicznego prowadzenia pojazdów.

Po zakończeniu tego szkolenia uczestnicy będą w stanie:

• Zrozumieć podstawy AI i uczenia głębokiego w kontekście autonomicznych pojazdów.
• Wdrażać techniki wizji komputerowej do wykrywania obiektów w czasie rzeczywistym i śledzenia pasa ruchu.
• Wykorzystywać uczenie wzmacniane do podejmowania decyzji w systemach samodzielnego jazdy.
• Integrować techniki fuzji danych z czujników dla lepszej percepcji i nawigacji.
• Budować modele uczenia głębokiego do przewidywania i analizy scenariuszy jazdy.

To prowadzone przez instruktora, interaktywne szkolenie (online lub stacjonarne) skierowane jest do zaawansowanych inżynierów ds. bezpieczeństwa oraz specjalistów ds. bezpieczeństwa samochodowego, którzy chcą opracować kompleksowe strategie bezpieczeństwa dla pojazdów autonomicznych, w tym analizę zagrożeń, ocenę bezpieczeństwa funkcjonalnego oraz zapewnienie zgodności z międzynarodowymi normami.

Po zakończeniu tego szkolenia uczestnicy będą mogli:

• Identyfikować i oceniać zagrożenia dla bezpieczeństwa związane z autonomią pojazdów.
• Przeprowadzać analizę zagrożeń i ocenę ryzyka zgodnie z obowiązującymi standardami branżowymi.
• Wdrażać metody walidacji i weryfikacji bezpieczeństwa systemów AV.
• Stosować standardy bezpieczeństwa funkcjonalnego, takie jak ISO 26262 i SOTIF.
• Opracowywać strategie łagodzenia ryzyka związanego z wyzwaniami w zakresie bezpieczeństwa AV.

Ten szkolenie prowadzone przez instruktora w Polsce (online lub stacjonarne) jest skierowane do początkujących pracowników służb prawnych, którzy chcą przejść od ręcznego rysowania portretów do wykorzystywania narzędzi AI do tworzenia systemów rozpoznawania twarzy.

Po zakończeniu tego szkolenia uczestnicy będą mogli:

• Zrozumieć podstawy Sztucznej Inteligencji i Machine Learning.
• Nauczyć się podstaw obróbki cyfrowych obrazów i ich zastosowania w rozpoznawaniu twarzy.
• Rozwinąć umiejętności w używaniu narzędzi i ram AI do tworzenia modeli rozpoznawania twarzy.
• Zdobyć doświadczenie praktyczne w tworzeniu, trenowaniu i testowaniu systemów rozpoznawania twarzy.
• Zrozumieć etyczne aspekty i najlepsze praktyki w używaniu technologii rozpoznawania twarzy.

Fiji to pakiet do przetwarzania obrazów typu open source, który zawiera ImageJ (program do przetwarzania obrazów dla naukowych 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.

Pod koniec tego szkolenia uczestnicy będą mogli

• Korzystać z zaawansowanych funkcji programistycznych Fiji i komponentów oprogramowania w celu rozszerzenia ImageJ
• Zszywać duże obrazy 3D z nakładających się płytek
• Automatycznie aktualizować instalację Fiji podczas uruchamiania przy użyciu zintegrowanego systemu aktualizacji
• Wybierać spośród szerokiej gamy języków skryptowych do tworzenia niestandardowych rozwiązań do analizy obrazu
• Korzystanie z potężnych bibliotek Fiji, takich jak ImgLib na dużych zbiorach danych bioobrazów
• Wdrożyć swoją aplikację i współpracować z innymi naukowcami nad podobnymi projektami.

Format kursu

• Interaktywny wykład i dyskusja.
• Wiele ćwiczeń i praktyki.
• Praktyczne wdrożenie w środowisku laboratoryjnym na żywo.

Opcje dostosowywania kursu

• Aby poprosić o spersonalizowane szkolenie dla tego kursu, skontaktuj się z nami w celu ustalenia szczegółów.

To ten prowadzone przez instruktora szkolenie w trybie online lub stacjonarnym jest przeznaczone dla badaczy i profesjonalistów laboratoryjnych o poziomie początkującego do średnio zaawansowanego, którzy chcą przetwarzać i analizować obrazy związane z tkankami histologicznymi, komórkami krwi, glonami i innymi próbkami biologicznymi.

Po zakończeniu tego szkolenia uczestnicy będą w stanie:

• Przejść przez interfejs Fiji i wykorzystać podstawowe funkcje ImageJ.
• Przetwarzać i poprawiać obrazy naukowe w celu lepszej analizy.
• Analizować obrazy ilościowo, w tym liczenie komórek i pomiar powierzchni.
• Automatyzować powtarzalne zadania za pomocą makr i wtyczek.
• Dostosowywać przepływy pracy do specyficznych potrzeb analizy obrazów w badaniach biologicznych.

To prowadzone przez instruktora, interaktywne szkolenie (online lub stacjonarne) skierowane jest do zaawansowanych specjalistów ds. fuzji sensorów i inżynierów AI, którzy chcą opracowywać algorytmy fuzji danych z wielu sensorów i optymalizować nawigację w czasie rzeczywistym w systemach autonomicznych.

Po zakończeniu tego szkolenia uczestnicy będą mogli:

• Zrozumieć podstawy i wyzwania związane z fuzją danych z wielu sensorów.
• Implementować algorytmy fuzji sensorów do nawigacji autonomicznej w czasie rzeczywistym.
• Integrować dane z LiDAR, kamer i RADAR w celu poprawy percepcji.
• Analizować i oceniać wydajność systemu fuzji w różnych warunkach.
• Opracowywać praktyczne rozwiązania w zakresie redukcji szumów sensorów i wyrównywania danych.

OpenCV (Open Source Computer Vision Library: http://opencv.org) to biblioteka na licencji BSD o otwartym kodzie źródłowym, która zawiera kilkaset algorytmów widzenia komputerowego.

Odbiorcy

Ten kurs jest skierowany do inżynierów i architektów, którzy chcą wykorzystać OpenCV w projektach związanych z wizją komputerową

To prowadzone przez instruktora szkolenie na żywo w Polsce (na miejscu lub zdalnie) jest przeznaczone dla inżynierów oprogramowania, którzy chcą programować w Python z OpenCV 4 do głębokiego uczenia się.

Pod koniec tego szkolenia uczestnicy będą mogli

• Przeglądać, ładować i klasyfikować obrazy i filmy za pomocą OpenCV 4.
• Wdrożyć głębokie uczenie w OpenCV 4 z TensorFlow i Keras.
• Uruchamiać modele głębokiego uczenia i generować wpływowe raporty z obrazów i filmów.

OpenFace to Python i Torch oparte na otwartym oprogramowaniu do rozpoznawania twarzy w czasie rzeczywistym, oparte na badaniach FaceNet firmy Google.

W tym prowadzonym przez instruktora szkoleniu na żywo uczestnicy dowiedzą się, jak używać komponentów OpenFace do tworzenia i wdrażania przykładowej aplikacji do rozpoznawania twarzy.

Pod koniec tego szkolenia uczestnicy będą mogli

• Pracować z komponentami OpenFace, w tym dlib, OpenVC, Torch i nn4, aby zaimplementować wykrywanie twarzy, wyrównanie i transformację.
• Zastosować OpenFace do rzeczywistych zastosowań, takich jak nadzór, weryfikacja tożsamości, rzeczywistość wirtualna, gry i identyfikacja powtarzających się klientów itp.

Odbiorcy

• Programiści
• Naukowcy zajmujący się danymi

Format kursu

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

Pattern Matching 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 określa, czego szukamy, a następnie mówi nam, czy oczekiwany wzorzec istnieje, czy nie.

Format kursu

• Kurs ten wprowadza podejścia, technologie i algorytmy stosowane w dziedzinie dopasowywania wzorców w odniesieniu do Machine Vision.

To prowadzone przez instruktora szkolenie na żywo wprowadza oprogramowanie, sprzęt i krok po kroku proces potrzebny do zbudowania od podstaw systemu rozpoznawania twarzy. Rozpoznawanie twarzy jest również znane jako Face Recognition.

Sprzęt używany w tym laboratorium obejmuje Rasberry Pi, moduł kamery, serwomechanizmy (opcjonalnie) itp. Uczestnicy są odpowiedzialni za zakup tych komponentów we własnym zakresie. Wykorzystywane oprogramowanie obejmuje OpenCV, Linux, Python itp.

Pod koniec tego szkolenia uczestnicy będą w stanie

• Zainstalować Linux, OpenCV i inne oprogramowanie narzędziowe i biblioteki na Rasberry Pi.
• Skonfigurować OpenCV do przechwytywania i wykrywania obrazów twarzy.
• Zrozumieć różne opcje pakowania systemu Rasberry Pi do użytku w rzeczywistych środowiskach.
• Dostosowanie systemu do różnych przypadków użycia, w tym nadzoru, weryfikacji tożsamości itp.

Format kursu

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

Uwaga

• Inne opcje sprzętu i oprogramowania obejmują: Arduino, OpenFace, Windows itp. Jeśli chcesz skorzystać z któregokolwiek z nich, skontaktuj się z nami w celu ustalenia szczegółów.

To szkolenie prowadzone przez instruktora, dostępne online lub na miejscu w Polsce, jest skierowane do profesjonalistów średnio zaawansowanych, którzy chcą używać Vision Builder AI do projektowania, wdrażania i optymalizowania automatycznych systemów inspekcji dla procesów SMT (Surface-Mount Technology).

Na zakończenie tego szkolenia uczestnicy będą w stanie:

• Konfigurować i ustawiać automatyczne inspekcje za pomocą Vision Builder AI.
• Nabywać i przetwarzać wysokiej jakości obrazy do analizy.
• Wdrażać logiczne decyzje dotyczące wykrywania defektów i walidacji procesu.
• Generować raporty inspekcji i optymalizować wydajność systemu.