Computer Vision with SimpleCV Treningskurs
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.
Kursplan
Starter
- Installasjon
Veiledninger og eksempler
- SimpleCV Shell SimpleCV Basics Hello World-programmet Samhandle med skjermen Laste inn en katalog med bilder Makroens Kinect-timing Oppdage en bil Segmentere bildet og morfologien Bilde Aritmetiske unntak i bildematematikkhistogrammer Fargerom Bruke fargetonetopper Lage en bevegelsesuskarphet-effekt Simulering av lang eksponering Chroma Key (Grønn skjerm)
Krav
Kunnskap om følgende språk:
- Python
Open Training Courses require 5+ participants.
Computer Vision with SimpleCV Treningskurs - Booking
Computer Vision with SimpleCV Treningskurs - Enquiry
Computer Vision with SimpleCV - Consultancy Enquiry
Testimonials (2)
Trainer was very knowlegable and very open to feedback on what pace to go through the content and the topics we covered. I gained alot from the training and feel like I now have a good grasp of image manipulation and some techniques for building a good training set for an image classification problem.
Anthea King - WesCEF
Kurs - Computer Vision with Python
I genuinely enjoyed the hands-on approach.
Kevin De Cuyper
Kurs - Computer Vision with OpenCV
Upcoming Courses
Relaterte kurs
OpenFace: Creating Facial Recognition Systems
14 timerOpenFace 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
Raspberry Pi + OpenCV for Facial Recognition
21 timerDenne instruktørledede, live-opplæringen introduserer programvaren, maskinvaren og trinn-for-trinn-prosessen som trengs for å bygge et ansiktsgjenkjenningssystem fra bunnen av. Ansiktsgjenkjenning er også kjent som Face Recognition.
Maskinvaren som brukes i denne laboratoriet inkluderer Rasberry Pi, en kameramodul, servoer (valgfritt), etc. Deltakerne er selv ansvarlige for å kjøpe disse komponentene. Programvaren som brukes inkluderer OpenCV, Linux, Python, etc.
Ved slutten av denne opplæringen vil deltakerne kunne:
- Installer Linux, OpenCV og andre programvareverktøy og biblioteker på en Rasberry Pi. Konfigurer OpenCV for å ta og oppdage ansiktsbilder. Forstå de ulike alternativene for å pakke et Rasberry Pi-system for bruk i virkelige miljøer. Tilpass systemet for en rekke brukssaker, inkludert overvåking, identitetsverifisering, etc.
Format på kurset
- Del forelesning, del diskusjon, øvelser og tung praktisk praksis
Merk
- Andre maskinvare- og programvarealternativer inkluderer: Arduino, OpenFace, Windows, etc. Hvis du ønsker å bruke noen av disse, vennligst kontakt oss for å avtale.
Pattern Matching
14 timerPattern 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 .
Marvin Framework for Image and Video Processing
14 timerMarvin 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.
Scilab
14 timerScilab er et velutviklet, gratis og åpen kildekode høynivåspråk for vitenskapelig datamanipulering. Brukt til statistikk, grafikk og animasjon, simulering, signalbehandling, fysikk, optimalisering og mer, er dens sentrale datastruktur matrisen, og forenkler mange typer problemer sammenlignet med alternativer som FORTRAN og C-derivater. Den er kompatibel med språk som C, Java og Python, noe som gjør den egnet for bruk som et supplement til eksisterende systemer.
I denne instruktørledede opplæringen vil deltakerne lære fordelene med Scilab sammenlignet med alternativer som Matlab, det grunnleggende om Scilab-syntaksen samt noen avanserte funksjoner, og grensesnitt med andre mye brukte språk, avhengig av etterspørsel. Kurset avsluttes med et kort prosjekt med fokus på bildebehandling.
Ved slutten av denne opplæringen vil deltakerne ha en forståelse av de grunnleggende funksjonene og noen avanserte funksjoner til Scilab, og ha ressursene til å fortsette å utvide kunnskapen sin.
Publikum
- Datavitere og ingeniører, spesielt med interesse for bildebehandling og ansiktsgjenkjenning
Format på kurset
- Delforelesning, deldiskusjon, øvelser og intensiv praktisk praksis, med sluttprosjekt
PaddlePaddle
21 timerPaddlePaddle (Parallel Distributed Deep LEarning) er en skalerbar dyp læringsplattform utviklet av Baidu.
I denne instruktørledede, live-opplæringen vil deltakerne lære hvordan de bruker PaddlePaddle for å muliggjøre dyp læring i produkt- og tjenesteapplikasjonene deres.
Ved slutten av denne opplæringen vil deltakerne kunne:
- Konfigurer og konfigurer PaddlePaddle Konfigurer et konvolusjonelt nevralt nettverk (CNN) for bildegjenkjenning og objektdeteksjon Konfigurer et tilbakevendende nevralt nettverk (RNN) for sentimentanalyse Konfigurer dyp læring på anbefalingssystemer for å hjelpe brukere med å finne svar Forutsi gjennomklikk rates (CTR), klassifisere store bildesett, utføre optisk tegngjenkjenning (OCR), rangere søk, oppdage datavirus og implementere et anbefalingssystem.
Publikum
- Utviklere Dataforskere
Format på kurset
- Del forelesning, del diskusjon, øvelser og tung praktisk praksis
Fiji: Introduction to Scientific Image Processing
21 timerFiji er en åpen kildekode bildebehandlingspakke som pakker ImageJ (et bildebehandlingsprogram for vitenskapelige flerdimensjonale bilder) og en rekke plugins for vitenskapelig bildeanalyse.
I denne instruktørledede, live-opplæringen vil deltakerne lære å bruke Fiji-distribusjonen og dets underliggende ImageJ-program for å lage en bildeanalyseapplikasjon.
Ved slutten av denne opplæringen vil deltakerne kunne:
- Bruk Fijis avanserte programmeringsfunksjoner og programvarekomponenter for å utvide ImageJ Stitch store 3D-bilder fra overlappende fliser Oppdater automatisk en Fiji-installasjon ved oppstart ved hjelp av det integrerte oppdateringssystemet Velg fra et bredt utvalg av skriptspråk for å bygge tilpassede bildeanalyseløsninger Bruk Fijis kraftige biblioteker, som f.eks. som ImgLib på store biobildedatasett Distribuer applikasjonen deres og samarbeid med andre forskere om lignende prosjekter
Kursets format
- Interaktivt foredrag og diskusjon. Mye øvelser og trening. Praktisk implementering i et live-lab-miljø.
Alternativer for kurstilpasning
- For å be om en tilpasset opplæring for dette kurset, vennligst kontakt oss for å avtale.
Computer Vision with OpenCV
28 timerOpenCV (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
Python and Deep Learning with OpenCV 4
14 timerDenne 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.
Deep Learning for Vision with Caffe
21 timerCaffe 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
Computer Vision with Python
14 timerComputer 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
Deep Learning for Self Driving Cars
21 timerDenne 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.