Cursuri de pregatire Raspberry Pi + OpenCV for Facial Recognition

Raspberry Pi este un calculator foarte mic, unic.

În acest curs de instruire, participanții vor învăța cum să stabilească și să programeze Raspberry Pi pentru a servi ca un sistem interactiv și puternic încorporat.

La sfârșitul cursului, participanții vor putea:

• Crearea unui mediu de dezvoltare integrat (IDE) pentru productivitatea maximă a dezvoltării
• Programul Raspberry Pi pentru a controla dispozitive cum ar fi senzorul de mișcare, alarmele, serverele web și imprimantele.
• Înțelege arhitectura Raspberry Pi's, inclusiv intrările și conectorii pentru dispozitivele add-on.
• Înțelegeți diferitele opțiuni în limbile de programare și în sistemele de operare
• Testare, debugare, și deplasare Raspberry Pi pentru a rezolva problemele lumii reale

Audienţă

• Dezvoltatori
• Tehnician hardware/software
• Persoane tehnice din toate industriile
• Hobiștii

Formatul cursului

• Lecții parțiale, discuții parțiale, exerciții și practici grele

Notă

• Raspberry Pi susține diferite sisteme de operare și limbi de programare. Acest curs va folosi Raspbian bazat pe sistemul de operare și Python ca limbaj de programare. Pentru a solicita o setare specifică, vă rugăm să ne contactați pentru a organiza.
• Participanții sunt responsabili pentru achiziționarea hardware-ului și a componentelor Raspberry Pi.

Internetul obiectelor (IoT) este o infrastructură de rețea care conectează obiectele fizice și aplicațiile software fără fir, permițându-le să comunice între ele și să facă schimb de date prin intermediul comunicațiilor de rețea, al cloud computing și capturilor de date În acest training instruit, participanții vor învăța fundamentele IoT în timp ce parcurg procesul de creare a unui sistem de senzori IoT folosind Raspberry Pi Până la sfârșitul acestui curs, participanții vor putea: Înțelegeți principiile IOT, inclusiv componentele IoT și tehnicile de comunicare Aflați cum să configurați Raspberry Pi special pentru aplicațiile IoT Construiți și implementați propriul sistem de senzori IoT Public hobbyists Ingineri și tehnicieni de hardware / software Persoane fizice din toate industriile Dezvoltatori începători Formatul cursului Prelegere parte, discuții parțiale, exerciții și practici grele de manevră Notă Raspberry Pi susține diverse sisteme de operare și limbi de programare Acest curs va folosi sistemul Raspbian ca sistem de operare și Python ca limbaj de programare Pentru a solicita o configurație specifică, vă rugăm să ne contactați pentru a aranja Participanții sunt responsabili pentru achiziționarea hardware-ului și a componentelor Raspberry Pi .

Internetul obiectelor (IoT) este o infrastructură de rețea care conectează obiectele fizice și aplicațiile software fără fir, permițându-le să comunice între ele și să facă schimb de date prin intermediul comunicațiilor de rețea, al cloud computing și capturilor de date Python este un limbaj de programare la nivel înalt recomandat pentru IoT datorită sintaxei clare și a sprijinului comunitar mare În acest training instruit, participanții vor învăța cum să programeze soluții IoT cu Python Până la sfârșitul acestui curs, participanții vor putea: Înțelegeți fundamentele arhitecturii IoT Aflați elementele de bază ale folosirii Raspberry Pi Instalați și configurați Python pe Raspberry Pi Aflați beneficiile utilizării Python în sistemele de programare IoT Construiți, testați, implementați și depanați un sistem IoT folosind Python și Raspberry Pi Public Dezvoltatori Ingineri Formatul cursului Prelegere parte, discuții parțiale, exerciții și practici grele de manevră Notă Pentru a solicita o pregătire personalizată pentru acest curs, vă rugăm să ne contactați pentru a aranja .

OpenFace este un software bazat pe Python și Torch, bazat pe cercetare FaceNet a Google, bazată pe tehnologia opensource, în timp real În acest training instruit, participanții vor învăța cum să folosească componentele OpenFace pentru a crea și implementa o aplicație de recunoaștere facială Până la sfârșitul acestui curs, participanții vor putea: Lucrați cu componentele OpenFace, inclusiv dlib, OpenVC, Torch, și nn4 pentru a implementa detectarea feței, alinierea și transformarea Aplicați OpenFace aplicațiilor din lumea reală, cum ar fi supravegherea, verificarea identității, realitatea virtuală, jocurile și identificarea clienților repetate etc Public Dezvoltatori Cercetătorii de date Formatul cursului Prelegere parte, discuții parțiale, exerciții și practici grele de manevră .

OpenCV (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

Acest 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.

Caffe 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

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.

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

Acest 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.
.

SimpleCV 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.

Acest 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).
.

Acest curs de instruire live, condus de un instructor în România (online sau la fața locului) se adresează dezvoltatorilor de back-end și oamenilor de știință care doresc să încorporeze modele YOLO pre-antrenate în programele lor orientate spre întreprindere și să implementeze componente rentabile pentru detectarea obiectelor.

La sfârșitul acestui curs de formare, participanții vor fi capabili să:

• Instalați și configurați instrumentele și bibliotecile necesare pentru detectarea obiectelor folosind YOLO.
.
• Personalizați Python aplicații în linie de comandă care funcționează pe baza modelelor pre-antrenate YOLO.
.
• Implementați cadrul modelelor YOLO preinstruite pentru diverse proiecte de viziune computerizată.
.
• Convertiți seturile de date existente pentru detectarea obiectelor în format YOLO.
• Înțelegeți conceptele fundamentale ale algoritmului YOLO pentru viziunea computerizată și/sau învățarea profundă.
.

Acest curs de instruire live, condus de un instructor în România (online sau la fața locului) se adresează dezvoltatorilor, cercetătorilor și oamenilor de știință din domeniul datelor de nivel intermediar și avansat care doresc să învețe cum să implementeze detectarea obiectelor în timp real folosind YOLOv7.

La sfârșitul acestui curs de formare, participanții vor fi capabili să:

• Înțelegeți conceptele fundamentale de detectare a obiectelor.
• Instalați și configurați YOLOv7 pentru sarcinile de detectare a obiectelor.
.
• Învățați și testați modele personalizate de detectare a obiectelor folosind YOLOv7.
.
• Integrați YOLOv7 cu alte cadre și instrumente de viziune computerizată.
.
• Rezolvați problemele comune legate de implementarea YOLOv7.
.

Model 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 .