Computer Vision with SimpleCV Počítačový Kurz

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na pracovníky činných v trestním řízení na úrovni začátečníků, kteří chtějí přejít od ručního skicování obličeje k používání nástrojů AI pro vývoj systémů rozpoznávání obličejů.

Na konci tohoto školení budou účastníci schopni:

• Pochopte základy umělé inteligence a Machine Learning.
• Naučte se základy digitálního zpracování obrazu a jeho aplikace při rozpoznávání obličeje.
• Rozvíjejte dovednosti v používání nástrojů a rámců umělé inteligence k vytváření modelů rozpoznávání obličejů.
• Získejte praktické zkušenosti s vytvářením, školením a testováním systémů rozpoznávání obličeje.
• Pochopte etická hlediska a osvědčené postupy při používání technologie rozpoznávání obličeje.

OpenFace je Python a Torch otevřený software pro rozpoznávání obličeje v reálném čase založený na výzkumu FaceNet společnosti Google.

V tomto živém školení vedeném instruktorem se účastníci naučí, jak používat komponenty OpenFace k vytvoření a nasazení ukázkové aplikace pro rozpoznávání obličeje.

Na konci tohoto školení budou účastníci schopni:

• Pracujte s komponentami OpenFace, včetně dlib, OpenVC, Torch a nn4, abyste mohli implementovat detekci, zarovnání a transformaci obličeje
• Použijte OpenFace na aplikace v reálném světě, jako je sledování, ověřování identity, virtuální realita, hraní her a identifikace opakovaných zákazníků atd.

Publikum

• Vývojáři
• Datoví vědci

Formát kurzu

• Část přednáška, část diskuse, cvičení a těžké praktické cvičení

Toto živé školení vedené instruktorem představuje software, hardware a postupný proces potřebný k vytvoření systému rozpoznávání obličeje od nuly. Rozpoznávání obličeje je také známé jako Face Recognition.

Hardware používaný v této laboratoři zahrnuje Rasberry Pi, kamerový modul, serva (volitelné) atd. Účastníci jsou odpovědní za nákup těchto komponent sami. Použitý software zahrnuje OpenCV, Linux, Python atd.

Na konci tohoto školení budou účastníci schopni:

• Nainstalujte Linux, OpenCV a další softwarové nástroje a knihovny na Rasberry Pi.
• Nakonfigurujte OpenCV pro zachycení a detekci snímků obličeje.
• Pochopte různé možnosti balení systému Rasberry Pi pro použití v reálných prostředích.
• Přizpůsobte systém různým případům použití, včetně sledování, ověřování identity atd.

Formát kurzu

• Část přednáška, část diskuse, cvičení a těžké praktické cvičení

Poznámka

• Mezi další hardwarové a softwarové možnosti patří: Arduino, OpenFace, Windows atd. Pokud si přejete použít některou z těchto možností, kontaktujte nás, abychom se domluvili.

Fiji je open-source balíček pro zpracování obrazu, který obsahuje ImageJ (program pro zpracování obrazu pro vědecké vícerozměrné obrazy) a řadu zásuvných modulů pro vědeckou analýzu obrazu.

V tomto živém školení vedeném instruktorem se účastníci naučí, jak používat distribuci Fidži a její základní program ImageJ k vytvoření aplikace pro analýzu obrazu.

Na konci tohoto školení budou účastníci schopni:

• Použijte pokročilé programovací funkce a softwarové komponenty Fiji k rozšíření ImageJ
• Spojte velké 3D obrázky z překrývajících se dlaždic
• Automaticky aktualizujte instalaci na Fidži při spuštění pomocí integrovaného aktualizačního systému
• Vyberte si ze širokého výběru skriptovacích jazyků a vytvořte vlastní řešení analýzy obrazu
• Používejte výkonné knihovny Fidži, jako je ImgLib, na velké datové sady bioimage
• Nasaďte jejich aplikaci a spolupracujte s dalšími vědci na podobných projektech

Formát kurzu

• Interaktivní přednáška a diskuze.
• Spousta cvičení a cvičení.
• Praktická implementace v prostředí živé laboratoře.

Možnosti přizpůsobení kurzu

• Chcete-li požádat o školení na míru pro tento kurz, kontaktujte nás a domluvíme se.

Marvin je rozšiřitelný, multiplatformní, open-source rámec pro zpracování obrázků a videa vyvinutý v Java. Vývojáři mohou používat Marvin k manipulaci s obrázky, extrahování prvků z obrázků pro klasifikační úlohy, algoritmické generování obrázků, zpracování datových sad video souborů a nastavení automatizace testování jednotek.

Některé z video aplikací Marvin zahrnují filtrování, rozšířenou realitu, sledování objektů a detekci pohybu.

V tomto instruktorem vedeném živém kurzu se účastníci naučí principy analýzy obrazu a videa a využijí Marvin Framework a jeho algoritmy pro zpracování obrazu ke konstrukci své vlastní aplikace.

Formát kurzu

Nejprve jsou představeny základní principy analýzy obrazu, analýzy videa a Marvin Framework. Studenti dostávají projektové úkoly, které jim umožňují procvičit si naučené pojmy. Na konci kurzu budou mít účastníci vyvinutou vlastní aplikaci využívající Marvin Framework a knihovny.

PaddlePaddle (PArallel Distributed Deep LEarning) je škálovatelná platforma pro hluboké učení vyvinutá společností Baidu.

V tomto živém školení vedeném instruktorem se účastníci naučí, jak používat PaddlePaddle k umožnění hlubokého učení ve svých aplikacích produktů a služeb.

Na konci tohoto školení budou účastníci schopni:

Nastavení a konfigurace PaddlePaddle Nastavení konvoluční neuronové sítě (CNN) pro rozpoznávání obrazu a detekci objektů Nastavení rekurentní neuronové sítě (RNN) pro analýzu sentimentu Nastavení hlubokého učení o systémech doporučení, které uživatelům pomůže najít odpovědi Předvídání prokliku sazby (CTR), klasifikovat soubory obrázků ve velkém měřítku, provádět optické rozpoznávání znaků (OCR), vyhledávat pořadí, detekovat počítačové viry a implementovat systém doporučení.

Publikum

Vývojáři Data vědci

Formát kurzu

Část přednáška, část diskuse, cvičení a těžké praktické cvičení

Pattern Matching je technika používaná k nalezení specifikovaných vzorů v obraze. Může být použit k určení existence specifikovaných charakteristik v pořízeném snímku, například očekávaný štítek na vadném produktu v tovární lince nebo specifikované rozměry součásti. Liší se od „Pattern Recognition“ (který rozpoznává obecné vzory založené na větších kolekcích příbuzných vzorků) v tom, že konkrétně určuje, co hledáme, a pak nám říká, zda očekávaný vzor existuje nebo ne.

Formát kurzu

• Tento kurz seznamuje s přístupy, technologiemi a algoritmy používanými v oblasti porovnávání vzorů, jak se vztahuje na Machine Vision.

Scilab je dobře vyvinutý, bezplatný a open source jazyk na vysoké úrovni pro manipulaci s vědeckými daty. Používá se pro statistiku, grafiku a animaci, simulaci, zpracování signálů, fyziku, optimalizaci a další, její centrální datovou strukturou je matice, která zjednodušuje mnoho typů problémů ve srovnání s alternativami, jako jsou FORTRAN a C deriváty. Je kompatibilní s jazyky jako C, Java a Python, takže je vhodný pro použití jako doplněk ke stávajícím systémům.

V tomto školení vedeném instruktorem se účastníci naučí výhody Scilab ve srovnání s alternativami, jako je Matlab, základy syntaxe Scilab a také některé pokročilé funkce a rozhraní s dalšími široce používanými jazyky, v závislosti na poptávce. Kurz bude zakončen krátkým projektem zaměřeným na zpracování obrazu.

Na konci tohoto školení budou mít účastníci přehled o základních funkcích a některých pokročilých funkcích Scilab a budou mít prostředky k dalšímu rozšiřování svých znalostí.

Publikum

Datoví vědci a inženýři, zejména se zájmem o zpracování obrazu a rozpoznávání obličeje

Formát kurzu

Část přednáška, část diskuse, cvičení a intenzivní praktická praxe se závěrečným projektem

OpenCV (Open Source Computer Vision Library: http://opencv.org) je open-source knihovna s licencí BSD, která obsahuje několik stovek algoritmů počítačového vidění.

Publikum

Tento kurz je zaměřen na inženýry a architekty, kteří chtějí využít OpenCV pro projekty počítačového vidění

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na softwarové inženýry, kteří chtějí programovat v Python s OpenCV 4 pro hluboké učení.

Na konci tohoto školení budou účastníci schopni:

• Zobrazte, načtěte a klasifikujte obrázky a videa pomocí OpenCV 4.
• Implementujte hluboké učení v OpenCV 4 pomocí TensorFlow a Keras.
• Spouštějte modely hlubokého učení a generujte působivé zprávy z obrázků a videí.

Caffe je rámec pro hluboké učení vytvořený s ohledem na výraz, rychlost a modularitu.

Tento kurz zkoumá aplikaci Caffe jako rámce hlubokého učení pro rozpoznávání obrazu na příkladu MNIST

Publikum

Tento kurz je vhodný pro Deep Learning výzkumníky a inženýry, kteří se zajímají o využití Caffe jako frameworku.

Po absolvování tohoto kurzu budou delegáti schopni:

porozumět struktuře a mechanismům nasazení Caffe provádět instalace / produkční prostředí / úkoly architektury a konfigurace hodnotit kvalitu kódu, provádět ladění, monitorovat implementovat pokročilou produkci, jako jsou tréninkové modely, implementace vrstev a protokolování

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na pokročilé profesionály, kteří chtějí prohloubit své porozumění počítačovému vidění a prozkoumat možnosti TensorFlow pro vývoj sofistikovaných modelů vidění pomocí Google Colab.

Na konci tohoto školení budou účastníci schopni:

• Vytvářejte a trénujte konvoluční neuronové sítě (CNN) pomocí TensorFlow.
• Využijte Google Colab pro škálovatelný a efektivní vývoj cloudových modelů.
• Implementujte techniky předběžného zpracování obrazu pro úlohy počítačového vidění.
• Nasaďte modely počítačového vidění pro aplikace v reálném světě.
• Použijte přenosové učení ke zvýšení výkonu modelů CNN.
• Vizualizujte a interpretujte výsledky modelů klasifikace obrázků.