Computer Vision with SimpleCV - Plan Szkolenia

OpenFace 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

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.

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.

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.

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.

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

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

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.

OpenCV (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

Szkolenie 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.

Caffe to platforma głębokiego uczenia stworzona z myślą o ekspresji, szybkości i modułowości.

Ten kurs bada zastosowanie Caffe jako struktury głębokiego uczenia się do rozpoznawania obrazów na przykładzie MNIST

Publiczność

Ten kurs jest odpowiedni dla Deep Learning badaczy i inżynierów zainteresowanych wykorzystaniem Caffe jako frameworka.

Po ukończeniu tego kursu uczestnicy będą w stanie

• zrozumieć strukturę i mechanizmy wdrażania Caffe&rsquo
• przeprowadzać zadania i konfigurację instalacji / środowiska produkcyjnego / architektury
• oceniać jakość kodu, przeprowadzać debugowanie, monitorowanie
• wdrażać zaawansowaną produkcję, taką jak modele szkoleniowe, wdrażanie warstw i rejestrowanie

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

To prowadzone przez instruktora szkolenie na żywo (online lub na miejscu) jest przeznaczone dla programistów, którzy chcą zbudować autonomiczny samochód przy użyciu technik głębokiego uczenia się.

Po zakończeniu tego szkolenia uczestnicy będą w stanie

• Użyj Keras do zbudowania i wytrenowania konwolucyjnej sieci neuronowej.
• Użyj technik wizji komputerowej do identyfikacji pasów ruchu w projekcie autonomicznej jazdy.
• Trenowanie modelu głębokiego uczenia się w celu rozróżniania znaków drogowych.
• Symulacja w pełni autonomicznego samochodu.