Computer Vision with Python - Plan Szkolenia
Wizja komputerowa to dziedzina, która obejmuje automatyczne wyodrębnianie, analizowanie i rozumienie użytecznych informacji z mediów cyfrowych. Python to język programowania wysokiego poziomu słynący z przejrzystej składni i czytelności kodu.
W tym prowadzonym przez instruktora szkoleniu na żywo uczestnicy poznają podstawy Computer Vision, przechodząc przez proces tworzenia zestawu prostych aplikacji Computer Vision przy użyciu Python.
Po zakończeniu tego szkolenia uczestnicy będą w stanie
- Zrozumienie podstaw widzenia komputerowego
- Wykorzystanie Python do implementacji zadań Computer Vision
- Tworzenie własnych systemów wykrywania twarzy, obiektów i ruchu
Publiczność
- Python programiści zainteresowani wizją komputerową
Format kursu
- Część wykładu, część dyskusji, ćwiczenia i ciężka praktyka praktyczna
Plan Szkolenia
Wstęp
Zrozumienie Computer Podstaw wizji
Instalowanie OpenCV z Python owijkami
Wprowadzenie do używania OpenCV
Korzystanie z multimediów w Python
- Ładowanie obrazów
- Konwersja koloru na skalę szarości
- Korzystanie z metadanych
Stosowanie teorii obrazu za pomocą Python
- Rozumienie obrazów jako tablic wielowymiarowych
- Zrozumienie przestrzeni kolorów
- Przegląd pikseli i współrzędnych
- Access pikselowanie
- Zmiana pikseli w obrazach
- Rysowanie linii i kształtów
- Nakładanie tekstu na obrazy
- Zmiana rozmiaru obrazów
- Przycinanie obrazów
Odkrywanie powszechnych Computer algorytmów i metod widzenia
- Próg
- Znajdowanie konturów
- Odejmowanie tła
- Korzystanie z detektorów
Implementowanie ekstrakcji cech za pomocą Python
- Korzystanie z wektorów cech
- Zrozumienie teorii cech średnich kolorów
- Wyodrębnianie cech histogramu
- Wyodrębnianie cech histogramu w skali szarości
- Wyodrębnianie cech tekstur
Implementacja aplikacji wykrywającej podobieństwo obrazów
Implementacja silnika obrazu odwróconego Search.
Tworzenie aplikacji do wykrywania obiektów przy użyciu dopasowywania szablonów
Tworzenie aplikacji do wykrywania twarzy za pomocą Haar Cascade
Implementowanie aplikacji do wykrywania obiektów przy użyciu punktów kluczowych
Przechwytywanie i przetwarzanie wideo za pomocą kamery internetowej
Tworzenie systemu detekcji ruchu
Rozwiązywanie problemów
Podsumowanie i wnioski
Wymagania
- Doświadczenie w programowaniu z Python .
Szkolenia otwarte są realizowane w przypadku uzbierania się grupy szkoleniowej liczącej co najmniej 5 osób na dany termin.
Computer Vision with Python - Plan Szkolenia - Booking
Computer Vision with Python - Plan Szkolenia - ZAPYTANIE O SZKOLENIE
Computer Vision with Python - Zapytanie o Konsultacje
Opinie uczestników (1)
Trainer was very knowlegable and very open to feedback on what pace to go through the content and the topics we covered. I gained alot from the training and feel like I now have a good grasp of image manipulation and some techniques for building a good training set for an image classification problem.
Anthea King - WesCEF
Szkolenie - Computer Vision with Python
Nadchodzące szkolenia
Szkolenia Powiązane
OpenFace: Creating Facial Recognition Systems
14 godzinOpenFace to oparte na Pythonie i Torch oprogramowanie open-source do rozpoznawania twarzy w czasie rzeczywistym, bazujące na badaniach Google FaceNet.
W tym prowadzonym przez instruktora szkoleniu na żywo uczestnicy dowiedzą się, jak używać komponentów OpenFace do tworzenia i wdrażania przykładowej aplikacji do rozpoznawania twarzy.
Po zakończeniu tego szkolenia uczestnicy będą w stanie
- Praca z komponentami OpenFace, w tym dlib, OpenVC, Torch i nn4 w celu implementacji wykrywania, wyrównywania i przekształcania twarzy.
- Zastosuj OpenFace w rzeczywistych aplikacjach, takich jak nadzór, weryfikacja tożsamości, rzeczywistość wirtualna, gry i identyfikacja stałych klientów itp.
Publiczność
- Programiści
- Naukowcy zajmujący się danymi
Format kursu
- Część wykładu, część dyskusji, ćwiczenia i ciężka praktyka praktyczna
Raspberry Pi + OpenCV for Facial Recognition
21 godzinTo 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.
Po zakończeniu tego szkolenia uczestnicy będą w stanie
- Zainstaluj system Linux, OpenCV oraz inne oprogramowanie narzędziowe i biblioteki na Rasberry Pi.
- Skonfigurowanie OpenCV do przechwytywania i wykrywania obrazów twarzy.
- Zrozumienie różnych opcji 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 którejkolwiek z tych opcji, skontaktuj się z nami w celu ustalenia szczegółów.
Pattern Matching
14 godzinDopasowywanie 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 kursuTen kurs wprowadza podejścia, technologie i algorytmy stosowane w dziedzinie dopasowywania wzorców w odniesieniu do Machine Vision.
Marvin Framework for Image and Video Processing
14 godzinMarvin 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.
Scilab
14 godzinScilab 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
PaddlePaddle
21 godzinPaddlePaddle (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
Fiji: Introduction to Scientific Image Processing
21 godzinFiji 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.
Computer Vision with OpenCV
28 godzinOpenCV (Open Source Computer Vision Library: http://opencv.org) to biblioteka na licencji BSD o otwartym kodzie źródłowym, która zawiera kilkaset algorytmów wizji komputerowej.
Publiczność
Ten kurs jest skierowany do inżynierów i architektów, którzy chcą wykorzystać OpenCV w projektach związanych z wizją komputerową
Python and Deep Learning with OpenCV 4
14 godzinSzkolenie na żywo prowadzone przez instruktora (na miejscu lub zdalnie) jest przeznaczone dla inżynierów oprogramowania, którzy chcą programować w Python z OpenCV 4 do głębokiego uczenia się.
Po zakończeniu tego szkolenia uczestnicy będą w stanie
- Przeglądaj, ładuj i klasyfikuj obrazy i filmy za pomocą OpenCV 4.
- Implementacja głębokiego uczenia w OpenCV 4 z TensorFlow i Keras.
- Uruchamiaj modele głębokiego uczenia i generuj wpływowe raporty z obrazów i filmów.
Data Analysis with Python, Pandas and Numpy
14 godzinPandas to pakiet Python, który zapewnia struktury danych do pracy z danymi strukturalnymi (tabelarycznymi, wielowymiarowymi, potencjalnie heterogenicznymi) i szeregami czasowymi.
Machine Learning with Python and Pandas
14 godzinTen prowadzony przez instruktora trening na żywo w Polsce (online lub na miejscu) jest skierowany do analityków danych, którzy chcą używać Pandas do wstępnej analizy predykcyjnej z uczeniem maszynowym.
Po zakończeniu tego szkolenia uczestnicy będą w stanie
- Przeprowadzanie analizy danych w Python.
- Przeprowadzanie operacji ETL dla uczenia maszynowego.
- Twórz wizualizacje danych za pomocą Pandas .
Accelerating Python Pandas Workflows with Modin
14 godzinSzkolenie na żywo prowadzone przez instruktora (na miejscu lub zdalnie) jest przeznaczone dla analityków danych i programistów, którzy chcą używać Modin do tworzenia i wdrażania równoległych obliczeń z Pandas w celu szybszej analizy danych.
Po zakończeniu tego szkolenia uczestnicy będą w stanie
- Ustalenie środowiska niezbędnego do rozpoczęcia opracowywania Pandas przepływów pracy na dużą skalę za pomocą Modin.
- Zrozumienie funkcji, architektury i zalet Modin.
- Znać różnice między Modin, Dask i Ray.
- Wykonaj Pandas operacje szybciej dzięki Modin.
- Wdrożenie całego Pandas API i funkcji.
Scaling Data Analysis with Python and Dask
14 godzinSzkolenie na żywo prowadzone przez instruktora (na miejscu lub zdalnie) jest przeznaczone dla analityków danych i inżynierów oprogramowania, którzy chcą używać Dask z ekosystemem Python do tworzenia, skalowania i analizowania dużych zbiorów danych.
Po zakończeniu tego szkolenia uczestnicy będą w stanie
- Skonfiguruj środowisko, aby rozpocząć przetwarzanie dużych zbiorów danych za pomocą Dask i Pythona.
- Zapoznanie się z funkcjami, bibliotekami, narzędziami i interfejsami API dostępnymi w Dask.
- Zrozumienie, w jaki sposób Dask przyspiesza obliczenia równoległe w Pythonie.
- Dowiedz się, jak skalować ekosystem Pythona (Numpy, SciPy i Pandas) przy użyciu Dask.
- Optymalizacja środowiska Dask w celu utrzymania wysokiej wydajności w obsłudze dużych zbiorów danych.