Cursuri Image Analysis

Fiji este un pachet de procesare a imaginilor opensource care îmbină ImageJ (un program de procesare a imaginilor pentru imagini științifice multidimensionale) și un număr de pluginuri pentru analiza științifică a imaginilor În acest training instruit, participanții vor învăța cum să folosească distribuția Fiji și programul său ImageJ, pentru a crea o aplicație de analiză a imaginii Până la sfârșitul acestui curs, participanții vor putea: Utilizați caracteristicile programabile avansate ale Fiji și componentele software pentru a extinde ImageJ Stitch imagini mari 3d de la placi care se suprapun Actualizați automat o instalare Fiji la pornire utilizând sistemul de actualizare integrat Selectați dintr-o gamă largă de limbi de scripting pentru a crea soluții personalizate de analiză a imaginilor Folosiți bibliotecile puternice din Fiji, cum ar fi ImgLib, pe seturile de date bioimagice mari Implementați aplicația și colaborați cu alți oameni de știință pe proiecte similare Public Oamenii de știință Cercetătorii Dezvoltatori Formatul cursului Prelegere parte, discuții parțiale, exerciții și practici grele de manevră .

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.

PaddlePaddle (PArallel Distributed Deep LEarning) este o platformă de învățare scalabilă profundă dezvoltată de Baidu În acest training instruit, participanții vor învăța cum să folosească PaddlePaddle pentru a permite învățarea profundă în aplicațiile lor de produse și servicii Până la sfârșitul acestui curs, participanții vor putea: Configurați și configurați PaddlePaddle Creați o rețea neuronală convoluțională (CNN) pentru recunoașterea imaginilor și detectarea obiectelor Crearea unei rețele neuronale recurente (RNN) pentru analiza sentimentului Creați o învățare profundă pe sistemele de recomandare pentru a ajuta utilizatorii să găsească răspunsuri Preziceți ratele de clic (CTR), clasificați seturile de imagini largescale, efectuați recunoașterea optică a caracterelor (OCR), căutați în funcție de rang, detectați viruși de computer și implementați un sistem de recomandări Public Dezvoltatori Cercetătorii de date Formatul cursului Prelegere parte, discuții parțiale, exerciții și practici grele de manevră .

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 .

Scilab este o limbă bine dezvoltată, gratuită și deschisă la nivel înalt pentru manipularea datelor științifice Utilizat pentru statistici, grafică și animație, simulare, procesare de semnale, fizică, optimizare și multe altele, structura sa centrală de date este matricea, simplificând multe tipuri de probleme în comparație cu alternative, cum ar fi FORTRAN și derivatele C Este compatibil cu limbi precum C, Java și Python, făcându-l potrivit pentru a fi utilizat ca supliment la sistemele existente În această instruire instruită, 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 limbi utilizate pe scară largă, în funcție de cerere Cursul se va încheia cu un scurt proiect concentrat pe prelucrarea imaginilor Până la sfârșitul acestui curs, participanții vor avea o înțelegere a funcțiilor de bază și a unor funcții avansate ale Scilab și vor avea resursele necesare pentru a-și continua extinderea cunoștințelor Public Oamenii de știință și inginerii de date, în special cu interes în prelucrarea imaginilor și recunoașterea facială Formatul cursului Curs de parte, discuții parțiale, exerciții și practici intensive de manevră, cu un proiect final .