Cursuri de pregatire Real-Time Object Detection with YOLO

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

Această instruire live, condusă de un instructor în România (online sau la fața locului) se adresează profesioniștilor de nivel avansat care doresc să își aprofundeze cunoștințele despre viziunea computerizată și să exploreze capacitățile TensorFlow de a dezvolta modele sofisticate de viziune utilizând Google Colab.

La sfârșitul acestei formări, participanții vor fi capabili să:

• Să construiască și să antreneze rețele neuronale convoluționale (CNN) utilizând TensorFlow.
• Să utilizeze Google Colab pentru dezvoltarea de modele scalabile și eficiente bazate pe cloud.
• Să implementeze tehnici de preprocesare a imaginilor pentru sarcini de viziune computerizată.
• Implementați modele de viziune computerizată pentru aplicații din lumea reală.
• Utilizarea învățării prin transfer pentru îmbunătățirea performanței modelelor CNN.
• Vizualizați și interpretați rezultatele modelelor de clasificare a imaginilor.

Această instruire live cu instructor în România (online sau la fața locului) se adresează inginerilor de nivel mediu până la avansat din domeniul computer vision, dezvoltatorilor AI și profesioniștilor IoT care doresc să implementeze și să optimizeze modele de computer vision pentru procesarea în timp real pe dispozitive periferice.

Până la sfârșitul acestui training, participanții vor fi capabili să:

• Înțeleagă elementele fundamentale ale Edge AI și aplicațiile sale în viziunea computerizată.
• Să implementeze modele optimizate de învățare profundă pe dispozitive periferice pentru analiza imaginilor și a videoclipurilor în timp real.
• Să utilizeze cadre precum TensorFlow Lite, OpenVINO și NVIDIA Jetson SDK pentru implementarea modelelor.
• Optimizați modelele AI pentru performanță, eficiență energetică și inferență cu latență redusă.

Acest curs de formare live, condus de un instructor în România (online sau la fața locului) se adresează personalului de aplicare a legii de nivel începător care dorește să treacă de la schițarea manuală a feței la utilizarea instrumentelor AI pentru dezvoltarea sistemelor de recunoaștere facială.

Până la sfârșitul acestei formări, participanții vor fi capabili să:

• Înțeleagă elementele fundamentale ale inteligenței artificiale și Machine Learning.
• Să învețe elementele de bază ale procesării imaginii digitale și aplicarea acesteia în recunoașterea facială.
• Să dezvolte abilități în utilizarea instrumentelor și cadrelor AI pentru a crea modele de recunoaștere facială.
• Să dobândească experiență practică în crearea, instruirea și testarea sistemelor de recunoaștere facială.
• Înțelegerea considerentelor etice și a celor mai bune practici în utilizarea tehnologiei de recunoaștere facială.

Fiji este un pachet open-source de procesare a imaginilor care include ImageJ (un program de procesare a imaginilor pentru imagini științifice multidimensionale) și o serie de plugin-uri pentru analiza imaginilor științifice.

În cadrul acestui curs de formare live, condus de un instructor, participanții vor învăța cum să utilizeze distribuția Fiji și programul ImageJ care stă la baza acesteia pentru a crea o aplicație de analiză a imaginilor.

Până la sfârșitul acestui curs, participanții vor fi capabili să:

• Să utilizeze caracteristicile avansate de programare și componentele software ale Fiji pentru a extinde ImageJ
• să coaseze imagini 3d mari din plăci suprapuse
• Să actualizeze automat o instalare Fiji la pornire utilizând sistemul de actualizare integrat
• Selectați dintr-o gamă largă de limbaje de scripting pentru a crea soluții personalizate de analiză a imaginilor
• Utilizarea bibliotecilor puternice Fiji, cum ar fi ImgLib pe seturi mari de date de bioimagini
• Să își implementeze aplicația și să colaboreze cu alți oameni de știință pe proiecte similare

Formatul cursului

• Prelegere și discuții interactive.
• O mulțime de exerciții și practică.
• Implementare practică într-un mediu live-lab.

Opțiuni de personalizare a cursului

• Pentru a solicita o instruire personalizată pentru acest curs, vă rugăm să ne contactați pentru a aranja.

Acest curs de formare live, condus de un instructor în România (online sau la fața locului) se adresează cercetătorilor de nivel începător până la mediu și profesioniștilor de laborator care doresc să proceseze și să analizeze imagini legate de țesuturi histologice, celule sanguine, alge și alte probe biologice.

La sfârșitul acestei formări, participanții vor fi capabili să:

• Să navigheze în interfața Fiji și să utilizeze funcțiile de bază ale ImageJ.
• Preprocesarea și îmbunătățirea imaginilor științifice pentru o mai bună analiză.
• Să analizeze imaginile cantitativ, inclusiv numărarea celulelor și măsurarea suprafeței.
• Automatizarea sarcinilor repetitive utilizând macro-uri și plugin-uri.
• Personalizați fluxurile de lucru pentru nevoile specifice de analiză a imaginilor în cercetarea biologică.

OpenCV (Open Source Computer Vision Biblioteca: http://opencv.org) este o bibliotecă open-source cu licență BSD care include câteva sute de algoritmi de viziune computerizată.

Audiență

Acest curs se adresează inginerilor și arhitecților care doresc să utilizeze OpenCV pentru proiecte de computer vision

Această instruire live, condusă de un instructor în România (online sau la fața locului) se adresează inginerilor software care doresc să programeze în Python cu OpenCV 4 pentru deep learning.

Până la sfârșitul acestui training, participanții vor fi capabili să:

• Vizualizați, încărcați și clasificați imagini și videoclipuri utilizând OpenCV 4.
• Să implementeze învățarea profundă în OpenCV 4 cu TensorFlow și Keras.
• Să ruleze modele de învățare profundă și să genereze rapoarte cu impact din imagini și videoclipuri.

OpenFace este Python și Torch un software de recunoaștere facială în timp real, open-source, bazat pe cercetarea FaceNet a Google.

În cadrul acestei formări live cu instructor, participanții vor învăța cum să utilizeze componentele OpenFace pentru a crea și implementa un exemplu de aplicație de recunoaștere facială.

Până la sfârșitul acestei instruiri, participanții vor fi capabili să:

• Să lucreze cu componentele OpenFace, inclusiv dlib, OpenVC, Torch, și nn4 pentru a implementa detectarea, alinierea și transformarea feței
• Să aplice OpenFace în aplicații din lumea reală, cum ar fi supravegherea, verificarea identității, realitatea virtuală, jocurile și identificarea clienților fideli etc.

Audiență

• Dezvoltatori
• Oameni de știință în domeniul datelor

Formatul cursului

• Parte prelegere, parte discuție, exerciții și multă practică

Pattern Matching este o tehnică utilizată pentru a localiza modele specifice în cadrul unei imagini. Aceasta poate fi utilizată pentru a determina existența unor caracteristici specifice în cadrul unei imagini capturate, de exemplu eticheta așteptată pe un produs defect într-o linie de fabricație sau dimensiunile specificate ale unei componente. Este diferită de "Pattern Recognition" (care recunoaște modele generale bazate pe colecții mai mari de eșantioane înrudite) prin faptul că dictează în mod specific ceea ce căutăm, apoi ne spune dacă modelul așteptat există sau nu.

Formatul cursului

• Acest curs prezintă abordările, tehnologiile și algoritmii utilizați în domeniul potrivirii modelelor, așa cum se aplică la Machine Vision.

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

Această instruire live, susținută de un instructor, prezintă software-ul, hardware-ul și procesul pas cu pas necesar pentru a construi un sistem de recunoaștere facială de la zero. Recunoașterea facială este cunoscută și ca Face Recognition.

Hardware-ul utilizat în acest laborator include Rasberry Pi, un modul de cameră, servomotoare (opțional), etc. Participanții sunt responsabili pentru achiziționarea acestor componente ei înșiși. Software-ul utilizat include OpenCV, Linux, Python, etc.

La sfârșitul acestui curs, participanții vor fi capabili să:

• Să instaleze Linux, OpenCV și alte utilitare și biblioteci software pe un Rasberry Pi.
• Să configureze OpenCV pentru a capta și detecta imagini faciale.
• Să înțeleagă diferitele opțiuni de ambalare a unui sistem Rasberry Pi pentru utilizarea în medii reale.
• Adaptarea sistemului pentru o varietate de cazuri de utilizare, inclusiv supraveghere, verificarea identității etc.

Formatul cursului

• Parte prelegere, parte discuție, exerciții și practică practică intensă

Notă

• Alte opțiuni hardware și software includ: Arduino, OpenFace, Windows, etc. Dacă doriți să utilizați oricare dintre acestea, vă rugăm să ne contactați pentru a aranja.

Scilab este un limbaj de nivel înalt bine dezvoltat, gratuit și open-source pentru manipularea datelor științifice. Folosit pentru statistică, grafică și animație, simulare, prelucrarea semnalelor, fizică, optimizare și multe altele, structura sa centrală de date este matricea, simplificând multe tipuri de probleme în comparație cu alternative precum FORTRAN și derivatele C. Este compatibil cu limbaje precum C, Java și Python, ceea ce îl face potrivit pentru a fi utilizat ca o completare a sistemelor existente.

În cadrul acestui curs condus de un instructor, participanții vor învăța avantajele Scilab în comparație cu alternative precum Matlab, elementele de bază ale sintaxei Scilab, precum și unele funcții avansate și interfața cu alte limbaje utilizate pe scară largă, în funcție de cerere. Cursul se va încheia cu un scurt proiect axat pe prelucrarea imaginilor.

La sfârșitul acestui curs, participanții vor cunoaște funcțiile de bază și unele funcții avansate ale Scilab și vor avea resursele necesare pentru a-și continua extinderea cunoștințelor.

Audiență

• Oameni de știință și ingineri în domeniul datelor, în special cu interes pentru procesarea imaginilor și recunoașterea facială

Formatul cursului

• Parte prelegere, parte discuție, exerciții și practică intensivă, cu un proiect final