Computer Vision with SimpleCV Počítačový Kurz

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 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 zodpovědní 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.

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.

Pattern Matching je technika používaná k vyhledání specifikovaných vzorů v obrázku. Lze jej použít 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.

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

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

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.

Počítačové vidění je obor, který zahrnuje automatické získávání, analýzu a pochopení užitečných informací z digitálních médií. Python je programovací jazyk na vysoké úrovni známý svou jasnou syntaxí a čitelností kódu.

V tomto živém školení vedeném instruktorem se účastníci naučí základy počítačového vidění při vytváření sady jednoduchých aplikací počítačového vidění pomocí Python.

Na konci tohoto školení budou účastníci schopni:

Porozumět základům počítačového vidění Použijte Python k implementaci úkolů počítačového vidění Vybudujte si vlastní systémy detekce obličejů, objektů a pohybu

Publikum

Python programátoři zajímající se o počítačové vidění

Formát kurzu

Část přednáška, část diskuse, cvičení a těžké praktické cvičení

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na vývojáře, kteří chtějí postavit auto s vlastním řízením pomocí technik hlubokého učení.

Na konci tohoto školení budou účastníci schopni:

• Použijte Keras k vybudování a trénování konvoluční neuronové sítě.
• Použijte techniky počítačového vidění k identifikaci jízdních pruhů v projektu autonomního řízení.
• Trénujte model hlubokého učení k rozlišení dopravních značek.
• Simulujte plně autonomní auto.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na vývojáře, kteří chtějí sestavit hardwarově akcelerované modely detekce a sledování objektů pro analýzu streamovaných video dat.

Na konci tohoto školení budou účastníci schopni:

• Nainstalujte a nakonfigurujte potřebné vývojové prostředí, software a knihovny, abyste mohli začít s vývojem.
• Vytvářejte, trénujte a nasazujte modely hlubokého učení pro analýzu živých video kanálů.
• Identifikujte, sledujte, segmentujte a předvídejte různé objekty v rámci video snímků.
• Optimalizujte modely detekce a sledování objektů.
• Nasaďte inteligentní aplikaci pro analýzu videa (IVA).

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na back-endové vývojáře a datové vědce, kteří chtějí začlenit předem vyškolené YOLO modely do svých podnikových programů a implementovat nákladově efektivní komponenty pro objektové detekce.

Na konci tohoto školení budou účastníci schopni:

• Nainstalujte a nakonfigurujte potřebné nástroje a knihovny potřebné pro detekci objektů pomocí YOLO.
• Přizpůsobte Python aplikace příkazového řádku, které fungují na základě předtrénovaných modelů YOLO.
• Implementujte rámec předem trénovaných modelů YOLO pro různé projekty počítačového vidění.
• Převeďte existující datové sady pro detekci objektů do formátu YOLO.
• Pochopte základní koncepty algoritmu YOLO pro počítačové vidění a/nebo hluboké učení.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na středně pokročilé až pokročilé vývojáře, výzkumníky a datové vědce, kteří se chtějí naučit implementovat detekci objektů v reálném čase pomocí YOLOv7.

Na konci tohoto školení budou účastníci schopni:

• Pochopte základní koncepty detekce objektů.
• Nainstalujte a nakonfigurujte YOLOv7 pro úlohy detekce objektů.
• Trénujte a testujte vlastní modely detekce objektů pomocí YOLOv7.
• Integrujte YOLOv7 s dalšími frameworky a nástroji počítačového vidění.
• Odstraňte běžné problémy související s implementací YOLOv7.

Toto je 5denní úvod do Data Science a AI.

Kurz je dodáván s příklady a cvičeními využívajícími Python

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na obchodníky, kteří chtějí pomocí umělé inteligence zlepšit strategie digitálního marketingu prostřednictvím cenných poznatků o zákaznících.

Na konci tohoto školení budou účastníci schopni:

• Využijte software AI ke zlepšení způsobu, jakým se značky připojují k uživatelům.
• Použijte chatboty k optimalizaci uživatelského zážitku.
• Zvyšte produktivitu a příjmy prostřednictvím automatizace úkolů.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na manažery a obchodní vedoucí, kteří se chtějí dozvědět o základech umělé inteligence a řídit projekty umělé inteligence ve své organizaci.

Na konci tohoto školení budou účastníci schopni porozumět AI na technické úrovni a strategicky využívat data a zdroje své organizace k úspěšnému řízení projektů AI.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na inženýry, kteří chtějí programovat a vytvářet roboty pomocí základních metod umělé inteligence.

Na konci tohoto školení budou účastníci schopni:

• Implementujte filtry (Kalman a částicové), které umožní robotovi lokalizovat pohybující se objekty v jeho prostředí.
• Implementujte vyhledávací algoritmy a plánování pohybu.
• Implementujte PID ovládání k regulaci pohybu robota v prostředí.
• Implementujte algoritmy SLAM, které umožní robotovi zmapovat neznámé prostředí.