Szkolenia Computer Vision

SimpleCV to framework open source - co oznacza, że jest to zbiór bibliotek i oprogramowania, które można wykorzystać do tworzenia aplikacji wizyjnych. Umożliwia pracę z obrazami lub strumieniami wideo pochodzącymi z kamer internetowych, Kinect, FireWire i kamer IP lub telefonów komórkowych. To pomaga budować oprogramowanie, aby różne technologie nie tylko widziały świat, ale także je rozumiały.

Publiczność

Ten kurs jest skierowany do inżynierów i programistów, którzy chcą rozwijać aplikacje wizyjne z SimpleCV.

Caffe to głęboka struktura uczenia się stworzona z myślą o ekspresji, szybkości i modułowości.

Ten kurs omawia zastosowanie Caffe as a Deep do nauki rozpoznawania obrazów za pomocą MNIST jako przykładu

Publiczność

Ten kurs jest odpowiedni dla naukowców i inżynierów Deep Learning zainteresowanych wykorzystaniem Caffe jako ramy.

Po ukończeniu tego kursu delegaci będą mogli:

- rozumiem strukturę i mechanizmy wdrażania Caffe
- wykonać zadania i konfigurację środowiska instalacji / produkcji / architektury
- ocenić jakość kodu, przeprowadzić debugowanie, monitorowanie
- wdrożyć zaawansowaną produkcję, taką jak modele treningowe, wdrażanie warstw i rejestrowanie

Marvin is an extensible, cross-platform, open-source image and video processing framework developed in Java. Developers can use Marvin to manipulate images, extract features from images for classification tasks, generate figures algorithmically, process video file datasets, and set up unit test automation.

Some of Marvin's video applications include filtering, augmented reality, object tracking and motion detection.

In this instructor-led, live course participants will learn the principles of image and video analysis and utilize the Marvin Framework and its image processing algorithms to construct their own application.

Format of the Course

- The basic principles of image analysis, video analysis and the Marvin Framework are first introduced. Students are given project-based tasks which allow them to practice the concepts learned. By the end of the class, participants will have developed their own application using the Marvin Framework and libraries.

Computer Vision to dziedzina, która polega na automatycznym wyodrębnianiu, analizowaniu i zrozumieniu użytecznych informacji z mediów cyfrowych Python to język programowania wysokiego poziomu znany ze swojej czytelnej składni i czytelności kodu W tym instruktażowym szkoleniu na żywo uczestnicy poznają podstawy Computer Vision, ponieważ przechodzą przez tworzenie zestawu prostych aplikacji Computer Vision wykorzystujących Python Pod koniec tego szkolenia uczestnicy będą mogli: Zapoznaj się z podstawami Computer Vision Użyj Pythona do implementacji zadań Computer Vision Zbuduj własne systemy wykrywania twarzy, obiektów i ruchu Publiczność Programiści Pythona zainteresowani Computer Vision Format kursu Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka handson .

Głębokie uczenie się jest dziedziną uczenia maszynowego. Wykorzystuje metody oparte na uczeniu się reprezentacji danych i struktur, takich jak sieci neuronowe.

Keras to interfejs API sieci neuronowych wysokiego poziomu do szybkiego programowania i eksperymentowania. Działa na TensorFlow , CNTK lub Theano.

Szkolenie na żywo prowadzone przez instruktora (na miejscu lub zdalnie) jest przeznaczone dla programistów, którzy chcą zbudować samochód z własnym napędem, stosując techniki głębokiego uczenia się.

Pod koniec tego szkolenia uczestnicy będą mogli:

- Użyj technik widzenia komputerowego, aby zidentyfikować pasy.
- Użyj Keras do budowy i szkolenia splotowych sieci neuronowych.
- Trenuj model głębokiego uczenia się, aby odróżniać znaki drogowe.
- Symuluj w pełni autonomiczny samochód.

Format kursu

- Interaktywny wykład i dyskusja.
- Dużo ćwiczeń i ćwiczeń.
- Praktyczne wdrożenie w środowisku na żywo.

Opcje dostosowywania kursu

- Aby poprosić o niestandardowe szkolenie dla tego kursu, skontaktuj się z nami w celu umówienia się.

Analityka wideo odnosi się do technologii i technik wykorzystywanych do przetwarzania strumienia wideo. Jedną z najczęstszych aplikacji będzie rejestracja i identyfikacja wydarzeń wideo na żywo za pośrednictwem wykrywania ruchu, rozpoznawania twarzy, liczenia tłumów i pojazdów itp.

Ten instruktor prowadzony, szkolenie na żywo (online lub on-site) jest skierowany do deweloperów, którzy chcą zbudować sprzętowe przyspieszone modele wykrywania obiektów i śledzenia w celu analizy transmisji danych wideo.

Po zakończeniu szkolenia uczestnicy będą mogli:

Instaluj i konfiguruj niezbędne środowisko rozwojowe, oprogramowanie i biblioteki, aby rozpocząć rozwój. Buduj, trenować i wdrażać modele głębokiego uczenia się w celu analizy transmisji wideo na żywo. Identyfikuj, śledź, segmentuj i przewiduj różne obiekty w ramach ram wideo. Optymalizacja modeli wykrywania i śledzenia obiektów. Wprowadź aplikację Inteligentnej Analityki Wideo (IVA).

Format kursu

Interaktywne wykłady i dyskusje. Dużo ćwiczeń i praktyk. Wdrażanie rąk w środowisku Live-Lab.

Opcje dostosowania kursu

Aby poprosić o dostosowane szkolenie dla tego kursu, prosimy o kontakt, aby zorganizować.

YOLO (You Only Look Once) to algorytm przekształcony w wstępnie przeszkolone modele do wykrywania obiektów. Jest testowany przez Darknet Neural Network Framework, dzięki czemu jest idealny do opracowania funkcji wizji komputerowej opartych na zestawie danych COCO (Common Objects in Context). Najnowsze warianty ram YOLO, YOLOv3-v4, pozwalają programom skutecznie wykonywać obiekty lokalizujące i klasyfikujące zadania podczas wykonywania w czasie rzeczywistym.

Ten szkolenie prowadzone przez instruktora, na żywo (online lub on-site) jest skierowane do backend deweloperów i naukowców danych, którzy chcą włączyć w swoje programy prowadzone przez przedsiębiorstwo wstępnie przeszkolone modele YOLO i wdrożyć opłacalne komponenty do wykrywania obiektów.

Po zakończeniu szkolenia uczestnicy będą mogli:

Instaluj i konfiguruj niezbędne narzędzia i biblioteki wymagane w wykryciu obiektów za pomocą YOLO. Dostosuj aplikacje linii polecenia, które działają na podstawie wstępnie przeszkolonych modeli YOLO. Wdrożenie ram wstępnie przeszkolonych modeli YOLO dla różnych projektów wizji komputerowej. Konwertuj istniejące zestawy danych do wykrywania obiektów w formacie YOLO. Zrozum podstawowe koncepcje algorytmu YOLO dla wizji komputerowej i / lub głębokiego uczenia się.

Format kursu

Interaktywne wykłady i dyskusje. Dużo ćwiczeń i praktyk. Wdrażanie rąk w środowisku Live-Lab.

Opcje dostosowania kursu

Aby poprosić o dostosowane szkolenie dla tego kursu, prosimy o kontakt, aby zorganizować.

Dopasowywanie wzorców to technika używana do lokalizowania określonych wzorów w obrazie. Można go użyć do określenia istnienia określonych cech w przechwyconym obrazie, na przykład oczekiwanej etykiety na wadliwym produkcie w linii produkcyjnej lub określonych wymiarach elementu. Inaczej niż w przypadku „ Pattern Recognition ” (które rozpoznaje ogólne wzorce oparte na większych zbiorach powiązanych próbek), ponieważ wyraźnie dyktuje to, czego szukamy, a następnie informuje nas, czy oczekiwany wzór istnieje, czy nie.

Format kursu

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

OpenCV (Open Source Computer Vision Library: http://opencv.org) is an open-source BSD-licensed library that includes several hundreds of computer vision algorithms.

Audience

This course is directed at engineers and architects seeking to utilize OpenCV for computer vision projects

To instruktażowe szkolenie na żywo wprowadza oprogramowanie, sprzęt i proces stepbystep potrzebny do zbudowania systemu rozpoznawania twarzy od zera Rozpoznawanie twarzy jest również znane jako Rozpoznawanie twarzy Sprzęt używany w tym laboratorium obejmuje Rasberry Pi, moduł kamery, serwa (opcjonalnie), itp Uczestnicy są odpowiedzialni za kupowanie tych komponentów samodzielnie Używane oprogramowanie obejmuje OpenCV, Linux, Python itp Pod koniec tego szkolenia uczestnicy będą mogli: Zainstaluj Linux, OpenCV i inne programy narzędziowe i biblioteki na Rasberry Pi Skonfiguruj OpenCV do przechwytywania i wykrywania obrazów twarzy Zapoznaj się z różnymi opcjami pakowania systemu Rasberry Pi do użytku w rzeczywistych środowiskach Dostosuj system do różnych zastosowań, w tym do nadzoru, weryfikacji tożsamości itp Publiczność Deweloperzy Technicy sprzętu / oprogramowania Osoby techniczne we wszystkich branżach Hobbiści Format kursu Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka handson Uwaga Inne opcje sprzętu i oprogramowania: Arduino, OpenFace, Windows, itp Jeśli chcesz skorzystać z któregokolwiek z nich, skontaktuj się z nami w celu umówienia się .

OpenCV to biblioteka funkcji programowania do rozdzielania obrazów za pomocą algorytmów komputerowych. OpenCV 4 jest najnowszym wydaniem OpenCV i zapewnia optymalizowaną modularność, aktualizowane algorytmy i wiele innych. OpenCV 4 i Python, użytkownicy będą mogli oglądać, pobierać i klasyfikować obrazy i filmy dla zaawansowanego rozpoznawania obrazu.

Ten instruktor prowadzony, szkolenie na żywo (online lub on-site) jest skierowany do inżynierów oprogramowania, którzy chcą zaplanować w Python z OpenCV 4 do głębokiego uczenia się.

Po zakończeniu szkolenia uczestnicy będą mogli:

Wyświetlanie, ładowanie i klasyfikacja obrazów i filmów za pomocą OpenCV 4. Wprowadzenie głębokiego nauki w OpenCV 4 z TensorFlow i Keras. Wykonaj modele głębokiego uczenia się i generuj wpływowe raporty z obrazów i filmów.

Format kursu

Interaktywne wykłady i dyskusje. Dużo ćwiczeń i praktyk. Wdrażanie rąk w środowisku Live-Lab.

Opcje dostosowania kursu

Aby poprosić o dostosowane szkolenie dla tego kursu, prosimy o kontakt, aby zorganizować.