Cursuri de pregatire Computer Vision with Python
Computer 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
Schița de curs
Introducere
Înțelegerea Computer Elementele de bază ale vederii
Instalarea OpenCV cu Python Wrappers
Introducere în utilizare OpenCV
Utilizarea media cu Python
- Încărcare imagini
- Conversia culorii în tonuri de gri
- Utilizarea metadatelor
Aplicarea teoriei imaginii cu Python
- Înțelegerea imaginilor ca matrice multidimensionale
- Înțelegerea spațiului de culoare
- Prezentare generală a pixelilor și coordonatelor
- Accessing Pixeli
- Schimbarea pixelilor în imagini
- Desenarea liniilor și formelor
- Aplicarea textului pe imagini
- Redimensionarea imaginilor
- Decuparea imaginilor
Explorarea algoritmilor și metodelor comune Computer Vision
- Pragării
- Găsirea contururilor
- Scăderea de fundal
- Utilizarea detectoarelor
Implementarea extragerii caracteristicilor cu Python
- Utilizarea vectorilor caracteristici
- Înțelegerea teoriei caracteristicilor medii culoare
- Extragerea caracteristicilor histogramei
- Extragerea caracteristicilor histogramei în tonuri de gri
- Extragerea caracteristicilor texturii
Implementarea unei aplicații pentru a detecta asemănarea imaginilor
Implementarea unui motor de imagine inversă Search.
Crearea unei aplicații de detectare a obiectelor folosind potrivirea șabloanelor
Crearea unei aplicații de detectare a feței folosind Haar Cascade
Implementarea unei aplicații de detectare a obiectelor folosind puncte cheie
Captură și procesare video printr-o cameră web
Crearea unui sistem de detectare a mișcării
Depanare
Rezumat și Concluzie
Cerințe
- Experiență de programare cu Python .
Cursurile publice necesita 5+ participanti
Cursuri de pregatire Computer Vision with Python - Rezervare
Cursuri de pregatire Computer Vision with Python - Solicita Oferta
Computer Vision with Python - Cerere de consultanta
Mărturii (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
Curs - Computer Vision with Python
Upcoming Courses
Cursuri înrudite
OpenFace: Creating Facial Recognition Systems
14 oreRaspberry Pi + OpenCV for Facial Recognition
21 orePattern 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 .
Marvin Framework for Image and Video Processing
14 oreMarvin 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.
Scilab
14 orePaddlePaddle
21 oreFiji: Introduction to Scientific Image Processing
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.
Data Analysis with Python, Pandas and Numpy
14 orePandas este un pachet Python care oferă structuri de date pentru lucrul cu date structurate (tabelare, multidimensionale, potențial eterogene) și serii de timp.
Machine Learning with Python and Pandas
14 oreAcest curs de instruire live, condus de un instructor în România (online sau la fața locului) se adresează cercetătorilor de date care doresc să utilizeze Pandas pentru a efectua analize predictive cu ajutorul învățării automate.
La sfârșitul acestui curs de formare, participanții vor fi capabili să:
- Realizați manipularea datelor în Python. .
- Conduceți operațiuni ETL pentru învățarea automată. .
- Creați vizualizări de date cu Pandas .
Accelerating Python Pandas Workflows with Modin
14 oreAcest curs de instruire live, condus de un instructor în România (online sau la fața locului) se adresează oamenilor de știință și dezvoltatorilor de date care doresc să utilizeze Modin pentru a construi și implementa calcule paralele cu Pandas pentru o analiză mai rapidă a datelor.
La sfârșitul acestui curs de formare, participanții vor fi capabili să:
- Setați mediul necesar pentru a începe să dezvoltați Pandas fluxuri de lucru la scară cu Modin. .
- Înțelegeți caracteristicile, arhitectura și avantajele Modin. .
- Cunoașteți diferențele dintre Modin, Dask și Ray. .
- Realizați Pandas operații mai rapid cu Modin. .
- Implementați întregul Pandas API și funcțiile. .
Scaling Data Analysis with Python and Dask
14 oreAceastă instruire live, condusă de un instructor în România (online sau la fața locului) se adresează oamenilor de știință de date și inginerilor de software care doresc să utilizeze Dask cu ecosistemul Python pentru a construi, extinde și analiza seturi mari de date.
La sfârșitul acestui curs de formare, participanții vor fi capabili să:
- Setați mediul pentru a începe să construiți procesarea de date mari cu Dask și Python.
- Explorați caracteristicile, bibliotecile, instrumentele și API-urile disponibile în Dask. .
- Înțelegeți cum Dask accelerează calculul paralel în Python. .
- Învățați cum să scalați ecosistemul Python (Numpy, SciPy, și Pandas) folosind Dask. .
- Optimizați mediul Dask pentru a menține performanțe ridicate în manipularea seturilor mari de date. .