Cursuri Computer Vision

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.

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 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 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

This instructor-led, live training in România (online or onsite) is aimed at developers who wish to build a self-driving car using deep learning techniques.

By the end of this training, participants will be able to:

- Use Keras to build and train a convolutional neural network.
- Use computer vision techniques to identify lanes in an autonomos driving project.
- Train a deep learning model to differentiate traffic signs.
- Simulate a fully autonomous car.

Analiza video se referă la tehnologia și tehnicile utilizate pentru a procesa un flux video. O aplicație comună ar fi captarea și identificarea evenimentelor video live prin detectarea mișcării, recunoașterea feței, mulțimea și numărarea vehiculelor etc.

Această formare directă (online sau on-site) este destinată dezvoltatorilor care doresc să construiască modele de detectare și urmărire a obiectelor accelerate prin hardware pentru a analiza datele video în streaming.

La sfârșitul cursului, participanții vor putea:

Instalați și configurați mediul de dezvoltare, software-ul și bibliotecile necesare pentru a începe dezvoltarea. Construiți, instruiți și implementați modele de învățare profundă pentru a analiza feed-urile video live. Identifică, urmărește, segmentă și prezice diferite obiecte în cadrul cadrelor video. Optimizează modelele de detecție și urmărire a obiectelor. Dezvoltați o aplicație de analiză video inteligentă (IVA).

Formatul cursului

Lecții și discuții interactive. Multe exerciții și practici. Implementarea pe mâini într-un mediu live-lab.

Opțiuni de personalizare

Pentru a solicita o pregătire personalizată pentru acest curs, vă rugăm să ne contactați pentru a organiza.

YOLO (You Only Look Once) este un algoritm transformat în modele pre-trainate pentru detectarea obiectelor. Acesta este testat de cadrul de rețea neuronal Darknet, ceea ce îl face ideal pentru dezvoltarea funcțiilor de viziune a calculatorului bazate pe setul de date COCO (Obiectele comune în context). Cele mai recente variante ale cadrului YOLO, YOLOv3-v4, permit programelor să execute în mod eficient localizarea și clasificarea sarcinilor în timp ce funcționează în timp real.

Această formare directă, condusă de instructori (online sau on-site) vizează dezvoltatorii de bază și oamenii de știință de date care doresc să integreze modelele YOLO pre-trainate în programele lor conduse de întreprindere și să implementeze componente cost-eficiente pentru detectarea obiectelor.

La sfârșitul cursului, participanții vor putea:

Instalați și configurați instrumentele și bibliotecile necesare pentru detectarea obiectelor folosind YOLO. Personalizează aplicațiile de comandă Python care funcționează pe baza modelelor YOLO pre-trainate. Implementarea cadrului modelelor YOLO pregătite pentru diferite proiecte de viziune a calculatorului. Convertați seturile de date existente pentru detectarea obiectelor în format YOLO. Înțelegeți conceptele fundamentale ale algoritmului YOLO pentru viziunea computerului și / sau învățarea profundă.

Formatul cursului

Lecții și discuții interactive. Multe exerciții și practici. Implementarea pe mâini într-un mediu live-lab.

Opțiuni de personalizare

Pentru a solicita o pregătire personalizată pentru acest curs, vă rugăm să ne contactați pentru a organiza.

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 .

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

Această instruire instruită live introduce programul software, hardware și pasul treptei necesare pentru a construi un sistem de recunoaștere facială de la zero Recunoașterea facială este cunoscută și ca Recunoașterea feței Hardware-ul folosit în acest laborator include Rasberry Pi, un modul de cameră, servo (opțional), etc Participanții sunt responsabili pentru achiziționarea acestor componente Software-ul folosit include OpenCV, Linux, Python, etc Până la sfârșitul acestui curs, participanții vor putea: Instalați Linux, OpenCV și alte utilitare de software și biblioteci pe un Rasberry Pi Configurați OpenCV pentru captarea și detectarea imaginilor faciale Înțelegeți diferitele opțiuni pentru ambalarea unui sistem Rasberry Pi pentru utilizarea în medii reale Adaptați sistemul pentru o varietate de cazuri de utilizare, inclusiv supravegherea, verificarea identității etc Public Dezvoltatori Tehnicieni de hardware / software Persoane fizice din toate industriile hobbyists Formatul cursului Prelegere parte, discuții parțiale, exerciții și practici grele de manevră 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 .

OpenCV este o bibliotecă de funcții de programare pentru descărcarea imaginilor cu algoritmi de calculator. OpenCV 4 este cea mai recentă versiune OpenCV și oferă modularitate optimizată, algoritmi actualizate și multe altele. Cu OpenCV 4 și Python, utilizatorii vor putea vizualiza, încărca și clasifica imagini și videoclipuri pentru recunoașterea avansată a imaginii.

Această formare directă (online sau on-site) este destinată inginerilor software care doresc să programeze în Python cu OpenCV 4 pentru învățare profundă.

La sfârșitul cursului, participanții vor putea:

Vedeți, încărcați și clasificați imagini și videoclipuri folosind OpenCV 4. Întâlniţi-vă învăţăturile în două şi patru rânduri. Executați modele de învățare profundă și generați rapoarte impresionante din imagini și videoclipuri.

Formatul cursului

Lecții și discuții interactive. Multe exerciții și practici. Implementarea pe mâini într-un mediu live-lab.

Opțiuni de personalizare

Pentru a solicita o pregătire personalizată pentru acest curs, vă rugăm să ne contactați pentru a organiza.