Raspberry Pi + OpenCV for Facial Recognition Treningskurs

Raspberry Pi er en veldig liten, enkeltbord datamaskin.

I denne instruktørledede, live-trening, vil deltakerne lære hvordan å sette opp og programmere Raspberry Pi for å tjene som et interaktivt og kraftig innebygd system.

Ved slutten av denne treningen vil deltakerne være i stand til å:

• Opprettelse av en IDE (integrert utviklingsmiljø) for maksimal utviklings produktivitet
• Program Raspberry Pi for å kontrollere enheter som bevegelsessensor, alarmer, webserver og skrivere.
• Forstå Raspberry Pi's arkitektur, inkludert input og koblinger for add-on-enheter.
• Forstå de ulike alternativene i programmeringsspråk og operativsystemer
• Test, debug, og implementere Raspberry Pi for å løse virkelige problemstillinger

Publikum

• Utviklere
• Hardware / programvare teknikere
• Tekniske personer i alle bransjer
• Hobbyister

Format av kurset

• Delvis forelesning, delvis diskusjon, øvelser og tung praksis

Notat

• Raspberry Pi støtter ulike operativsystemer og programmeringsspråk. Dette kurset vil bruke Raspbian som operativsystem og Python som programmeringsspråk. For å be om en spesifikk innstilling, vennligst kontakt oss for å arrangere.
• Deltakerne er ansvarlige for kjøp av Raspberry Pi maskinvare og komponenter.

Internet of Things (IoT) er en nettverksinfrastruktur som kobler sammen fysiske objekter og programvareapplikasjoner trådløst, slik at de kan kommunisere med hverandre og utveksle data via nettverkskommunikasjon, cloud computing og datafangst.

I denne instruktørledede, direkteopplæringen vil deltakerne lære det grunnleggende om IoT når de går gjennom opprettelsen av et IoT-sensorsystem ved hjelp av Raspberry Pi.

Ved slutten av denne opplæringen vil deltakerne kunne:

Forstå prinsippene for IoT, inkludert IoT-komponenter og kommunikasjonsteknikker Lær hvordan du konfigurerer Raspberry Pi spesifikt for IoT-applikasjoner Bygg og distribuer sitt eget IoT-sensorsystem

Publikum

Hobbyister Maskinvare-/programvareingeniører og teknikere Tekniske personer i alle bransjer Nybegynnerutviklere

Format på kurset

Del forelesning, del diskusjon, øvelser og tung praktisk praksis

Merk

Raspberry Pi støtter ulike operativsystemer og programmeringsspråk. Dette kurset vil bruke Linux-basert Raspbian som operativsystem og Python som programmeringsspråk. For å be om et spesifikt oppsett, vennligst kontakt oss for å avtale. Deltakerne er ansvarlige for å kjøpe Raspberry Pi maskinvaren og komponentene.

Internet of Things (IoT) er en nettverksinfrastruktur som kobler sammen fysiske objekter og programvareapplikasjoner trådløst, slik at de kan kommunisere med hverandre og utveksle data via nettverkskommunikasjon, cloud computing og datafangst. Python er et programmeringsspråk på høyt nivå som anbefales for IoT på grunn av dets klare syntaks og store fellesskapsstøtte.

I denne instruktørledede, direkteopplæringen vil deltakerne lære å programmere IoT-løsninger med Python.

Ved slutten av denne opplæringen vil deltakerne kunne:

Forstå det grunnleggende om IoT-arkitektur Lær det grunnleggende om bruk av Raspberry Pi Installer og konfigurer Python på Raspberry Pi Lær fordelene ved å bruke Python i programmering av IoT-systemer Bygg, test, distribuer og feilsøk et IoT-system ved hjelp av Python og Raspberry Pi

Publikum

Utviklere Ingeniører

Format på kurset

Del forelesning, del diskusjon, øvelser og tung praktisk praksis

Merk

For å be om en tilpasset opplæring for dette kurset, vennligst kontakt oss for å avtale.

OpenFace er Python og Torch basert åpen kildekode, sanntids ansiktsgjenkjenningsprogramvare basert på Googles FaceNet-forskning.

I denne instruktørledede, live-opplæringen vil deltakerne lære hvordan de bruker OpenFaces komponenter til å lage og distribuere en prøveapplikasjon for ansiktsgjenkjenning.

Ved slutten av denne opplæringen vil deltakerne kunne:

Arbeid med OpenFaces komponenter, inkludert dlib, OpenVC, Torch og nn4 for å implementere ansiktsgjenkjenning, justering og transformasjon. Bruk OpenFace på applikasjoner i den virkelige verden som overvåking, identitetsverifisering, virtuell virkelighet, spill og identifisering av gjentatte kunder osv. .

Publikum

Utviklere Dataforskere

Format på kurset

Del forelesning, del diskusjon, øvelser og tung praktisk praksis

OpenCV (Open Source Computer Vision Library: http://opencv.org) er et åpen kildekode BSD-lisensiert bibliotek som inkluderer flere hundrevis av datasynsalgoritmer.

Publikum

Dette kurset er rettet mot ingeniører og arkitekter som ønsker å bruke OpenCV til datasynsprosjekter

Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot programvareingeniører som ønsker å programmere i Python med OpenCV 4 for dyp læring.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Se, last inn og klassifiser bilder og videoer ved hjelp av OpenCV 4.
• Implementer dyp læring i OpenCV 4 med TensorFlow og Keras.
• Kjør dyplæringsmodeller og generer effektive rapporter fra bilder og videoer.

Caffe er en dyp læringsramme laget med uttrykk, hastighet og modularitet i tankene.

Dette kurset utforsker anvendelsen av Caffe som en Deep læringsramme for bildegjenkjenning ved bruk av MNIST som eksempel

Publikum

Dette kurset passer for Deep Learning forskere og ingeniører som er interessert i å bruke Caffe som rammeverk.

Etter fullført kurs vil delegatene kunne:

• forstå Caffe sin struktur og distribusjonsmekanismer
• utføre installasjons- / produksjonsmiljø / arkitekturoppgaver og konfigurasjon
• vurdere kodekvalitet, utfør feilsøking, overvåking
• implementere avansert produksjon som treningsmodeller, implementere lag og logging

Marvin er et utvidbart rammeverk på tvers av plattformer, åpen kildekode for bilde- og videobehandling utviklet i Java. Utviklere kan bruke Marvin til å manipulere bilder, trekke ut funksjoner fra bilder for klassifiseringsoppgaver, generere tall algoritmisk, behandle videofildatasett og sette opp enhetstestautomatisering.

Noen av Marvin sine videoapplikasjoner inkluderer filtrering, utvidet virkelighet, objektsporing og bevegelsesdeteksjon.

I dette instruktørledede, live kursdeltakerne vil lære prinsippene for bilde- og videoanalyse og bruke Marvin Framework og dets bildebehandlingsalgoritmer for å konstruere sin egen applikasjon.

Kursets format

De grunnleggende prinsippene for bildeanalyse, videoanalyse og Marvin Framework introduseres først. Studentene får prosjektbaserte oppgaver som lar dem praktisere begrepene som er lært. Ved slutten av timen vil deltakerne ha utviklet sin egen applikasjon ved hjelp av Marvin-rammeverket og bibliotekene.

Computer Vision er et felt som innebærer automatisk å trekke ut, analysere og forstå nyttig informasjon fra digitale medier. Python er et programmeringsspråk på høyt nivå kjent for sin klare syntaks og kodelesbarhet.

I denne instruktørledede, liveopplæringen, vil deltakerne lære det grunnleggende om Computer Vision når de går gjennom opprettelsen av et sett med enkel Computer Vision-applikasjon ved hjelp av Python .

Ved slutten av denne opplæringen vil deltakerne kunne:

• Forstå det grunnleggende i Computer Vision
• Bruk Python til å implementere Computer Vision-oppgaver
• Bygg sine egne ansikts-, objekt- og bevegelsesdeteksjonssystemer

Publikum

• Python programmerere som er interessert i Computer Vision

Kursets format

• Delforelesning, deldiskusjon, øvelser og tung praktisk øvelse

Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot utviklere som ønsker å bygge en selvkjørende bil ved å bruke dyplæringsteknikker.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Bruk Keras til å bygge og trene et konvolusjonelt nevralt nettverk.
• Bruk datasynsteknikker for å identifisere kjørefelt i et selvkjørende prosjekt.
• Tren en dyp læringsmodell for å skille trafikkskilt.
• Simuler en helt autonom bil.

SimpleCV er et rammeverk med åpen kildekode - noe som betyr at det er en samling biblioteker og programvare som du kan bruke til å utvikle visjonsapplikasjoner. Det lar deg jobbe med bilder eller videostrømmer som kommer fra webkameraer, Kinects, FireWire og IP-kameraer, eller mobiltelefoner. Det hjelper deg med å bygge programvare for å gjøre de forskjellige teknologiene dine ikke bare til å se verden, men også forstå den.

Publikum

Dette kurset er rettet mot ingeniører og utviklere som søker å utvikle datavisjonsapplikasjoner med SimpleCV.

Denne instruktørledede, direkteopplæringen i Norge (online eller på stedet) er rettet mot utviklere som ønsker å bygge maskinvareakselererte objektdeteksjons- og sporingsmodeller for å analysere streaming videodata.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Installer og konfigurer nødvendig utviklingsmiljø, programvare og biblioteker for å begynne utviklingen.
• Bygg, tren og distribuer dyplæringsmodeller for å analysere live videofeeder.
• Identifiser, spor, segmenter og forutsi forskjellige objekter innenfor videorammer.
• Optimaliser objektdeteksjons- og sporingsmodeller.
• Implementer en intelligent videoanalyse-applikasjon (IVA).

Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot backend-utviklere og dataforskere som ønsker å inkorporere forhåndstrente YOLO-modeller i sine bedriftsdrevne programmer og implementere kostnadseffektive komponenter for objekt- gjenkjenning.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Installer og konfigurer de nødvendige verktøyene og bibliotekene som kreves for objektdeteksjon ved hjelp av YOLO.
• Tilpass Python kommandolinjeapplikasjoner som opererer basert på YOLO forhåndstrente modeller.
• Implementere rammeverket til ferdigtrente YOLO-modeller for ulike datasynsprosjekter.
• Konverter eksisterende datasett for objektdeteksjon til YOLO-format.
• Forstå de grunnleggende konseptene til YOLO-algoritmen for datasyn og/eller dyp læring.

Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot utviklere, forskere og dataforskere på middels til avansert nivå som ønsker å lære hvordan man implementerer objektdeteksjon i sanntid ved hjelp av YOLOv7.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Forstå de grunnleggende konseptene for gjenstandsdeteksjon.
• Installer og konfigurer YOLOv7 for objektdeteksjonsoppgaver.
• Tren og test tilpassede objektdeteksjonsmodeller ved å bruke YOLOv7.
• Integrer YOLOv7 med andre datasynsrammer og verktøy.
• Feilsøk vanlige problemer knyttet til implementering av YOLOv7.

Pattern Matching er en teknikk som brukes til å finne spesifiserte mønstre i et bilde. Det kan brukes til å bestemme eksistensen av spesifiserte egenskaper i et tatt bilde, for eksempel den forventede etiketten på et mangelfullt produkt på en fabrikklinje eller de spesifiserte dimensjonene til en komponent. Det er forskjellig fra " Pattern Recognition " (som gjenkjenner generelle mønstre basert på større samlinger av relaterte prøver) ved at den spesifikt dikterer hva vi leter etter, for så å fortelle oss om det forventede mønsteret eksisterer eller ikke.

Kursets format

• Dette kurset introduserer tilnærminger, teknologier og algoritmer som brukes i feltet mønster matching som det gjelder Machine Vision .