Cursuri de pregatire Marvin Framework for Image and Video Processing
Marvin este o extensibil, Cross-Platform, Open-Source de imagine și de procesare video cadru dezvoltat în Java. dezvoltatorii pot folosi Marvin pentru a manipula imagini, extrage caracteristici din imagini pentru sarcini de clasificare, generează cifre algoritmic, procesează Seturile de date ale fișierelor video și configurați automatizarea unității de testare.
niște de la Marvin & #39; s vizual cerere a cuprinde filtering, augmentată realitate, obiect Tracking și Deplasare Detection.
în acest instructor-condus, Live curs participanții vor învăța principiile de imagine și video de analiză și de a utiliza Marvin Framework și a imaginii sale algoritmi de procesare pentru a construi propria lor cerere.
format al cursului
- principiile de bază ale analizei imaginilor, analiza video și cadrul Marvin sunt introduse pentru prima dată. Elevilor li se oferă sarcini bazate pe proiecte care le permit să practice conceptele învățate. Până la sfârșitul clasei, participanții își vor fi dezvoltat propria aplicație folosind Marvin Framework și bibliotecile.
Schița de curs
Introducere la Marvin
Descărcare și instalare Marvin
Configurarea unui mediu de dezvoltare Eclipse
Cele trei straturi ale arhitecturii Marvin.
- Cadru
- Plug-in-uri
- Aplicații
Componente și biblioteci
Procesarea imaginii în Marvin
Procesare video în Marvin
Multi-Threading în Marvin
Unit Testing în Marvin
Lucrul cu MarvinEditor
Crearea unei aplicații cu Marvin
Lucrul cu plug-in-uri
Testarea aplicației
Aplicații video
- Filtrare video
- Scăderea și combinarea imaginilor
- Urmărire
- Detectarea caracteristicilor feței
- Urmărirea în timp real a mai multor blob-uri
- Potrivire parțială a formei
- Detectarea pixelilor de culoarea pielii
Folosind Marvin Framework pentru Test Automation
Extinderea cadrului
Contribuția la Proiect
Rezumat și Concluzie
Cerințe
- Comprehensiunea de bază a procesării imaginilor și video.
- Java experiență de programare.
Audiență
- Dezvoltatorii de software care doresc să utilizeze un cadru open-source bogat, bazat pe plug-in pentru a crea aplicații de procesare a imaginilor și video .
Cursurile publice necesita 5+ participanti
Cursuri de pregatire Marvin Framework for Image and Video Processing - Rezervare
Cursuri de pregatire Marvin Framework for Image and Video Processing - Solicita Oferta
Marvin Framework for Image and Video Processing - Cerere de consultanta
Mărturii (2)
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
Curs - Computer Vision with Python
I genuinely enjoyed the hands-on approach.
Kevin De Cuyper
Curs - Computer Vision with OpenCV
Upcoming Courses
Cursuri înrudite
OpenFace: Creating Facial Recognition Systems
14 oreRaspberry Pi + OpenCV for Facial Recognition
21 oreComputer Vision with OpenCV
28 oreOpenCV (Open Source Computer Vision Library: http://opencv.org) este o bibliotecă open-source cu licență BSD care include câteva sute de algoritmi de computer vision.
Public
Acest curs este destinat inginerilor și arhitecților care doresc să utilizeze OpenCV pentru proiecte de viziune computerizată
Python and Deep Learning with OpenCV 4
14 oreAcest curs de instruire live, condus de un instructor în România (online sau la fața locului) se adresează inginerilor de software care doresc să programeze în Python cu OpenCV 4 pentru învățare profundă.
La sfârșitul acestui curs de formare, participanții vor fi capabili să:
- Vizualizați, încărcați și clasificați imagini și videoclipuri folosind OpenCV 4. .
- Implementați învățarea profundă în OpenCV 4 cu TensorFlow și Keras. .
- Executați modele de învățare profundă și generați rapoarte de impact din imagini și videoclipuri.
Pattern Matching
14 oreModel Matching este o tehnică folosită pentru a localiza tiparele specificate în cadrul unei imagini. Poate fi utilizat pentru a determina existența unor caracteristici specificate în cadrul unei imagini capturate, de exemplu eticheta așteptată pe un produs defect într-o linie de fabrică sau dimensiunile specificate ale unei componente. Este diferit de „ Pattern Recognition ” (care recunoaște tiparele generale bazate pe colecții mai mari de eșantioane asociate) prin faptul că dictează în mod specific ceea ce căutăm, apoi ne spune dacă modelul așteptat există sau nu.
Formatul cursului
- Acest curs introduce abordările, tehnologiile și algoritmii folosiți în câmpul de potrivire a modelelor, așa cum se aplică la Machine Vision .
Scilab
14 orePaddlePaddle
21 oreFiji: Introduction to Scientific Image Processing
21 oreComputer Vision with SimpleCV
14 oreSimpleCV este un cadru open source - ceea ce înseamnă că este o colecție de biblioteci și software pe care le puteți utiliza pentru a dezvolta aplicații de vizualizare. Vă permite să lucrați cu imaginile sau fluxurile video provenite de la camerele web, camerele Kinects, FireWire și IP sau telefoanele mobile. Vă ajută să construiți programe software pentru a vă face diferitele tehnologii nu numai să vedeți lumea, ci și să o înțelegeți.
Public
Acest curs este adresat inginerilor și dezvoltatorilor care doresc să dezvolte aplicații de vizibilitate prin intermediul computerului cu SimpleCV.
Deep Learning for Vision with Caffe
21 oreCaffe este un cadru de învățare profund făcut în expresie, viteză și modularitate în minte.
Acest curs explorează aplicarea Caffe ca cadru de învățare profundă pentru recunoașterea imaginii folosind MNIST ca exemplu
Public
Acest curs este potrivit pentru cercetătorii de la Deep Learning și pentru inginerii interesați să utilizeze Caffe ca cadru.
După finalizarea acestui curs, delegații vor putea:
- să înțeleagă structura și mecanismele de implementare a lui Caffe
- efectuați sarcinile și configurația mediului de instalare / producție / arhitecturii
- evaluarea calității codului, efectuarea depanării, monitorizarea
- să implementeze producția avansată, cum ar fi modelele de formare, punerea în aplicare a straturilor și logarea
Computer Vision with Python
14 oreComputer Vision este un câmp care implică extragerea, analizarea și înțelegerea automată a informațiilor utile din media digitală. Python este un limbaj de programare la nivel înalt, renumit pentru sintaxa și lizibilitatea codurilor sale.
În cadrul acestui training, instruit în direct, participanții vor învăța elementele de bază ale Computer Vision în timp ce pășesc prin crearea unui set de aplicații simple Computer Vision folosind Python .
Până la sfârșitul acestui antrenament, participanții vor putea:
- Înțelegeți elementele de bază ale viziunii Computer
- Utilizați Python pentru a implementa activități Computer Vision
- Construiți propriile sisteme de detectare a feței, obiectelor și mișcărilor
Public
- Programatorii Python interesați de Computer Vision
Formatul cursului
- Partea de prelegere, o discuție parțială, exerciții și practici practice
Deep Learning for Self Driving Cars
21 oreAcest curs de instruire live, condus de un instructor în România (online sau la fața locului) se adresează dezvoltatorilor care doresc să construiască o mașină care se conduce singură folosind tehnici de învățare profundă.
La sfârșitul acestui curs de formare, participanții vor fi capabili să:
- Utilizați Keras pentru a construi și antrena o rețea neuronală convoluțională.
- Utilizați tehnici de viziune pe calculator pentru a identifica benzile de circulație într-un proiect de conducere autonomă. .
- Antrenați un model de învățare profundă pentru a diferenția semnele de circulație.
- Simulați o mașină complet autonomă. .
Hardware-Accelerated Video Analytics
14 oreAcest curs de instruire live, condus de un instructor în România (online sau la fața locului) se adresează dezvoltatorilor care doresc să construiască modele de detectare și urmărire a obiectelor accelerate de hardware pentru a analiza datele video în flux.
La sfârșitul acestui curs de formare, participanții vor fi capabili să:
- Instalați și configurați mediul de dezvoltare, software-ul și bibliotecile necesare pentru a începe dezvoltarea. .
- Construiți, antrenați și implementați modele de învățare profundă pentru a analiza fluxurile video în direct. .
- Identificați, urmăriți, segmentați și preziceți diferite obiecte în cadrul cadrelor video. .
- Optimizați modelele de detectare și urmărire a obiectelor. .
- Desfășurați o aplicație de analiză video inteligentă (IVA). .