Formation Edge AI for Computer Vision: Real-Time Image Processing
Edge AI pour Computer Vision révolutionne l'analyse d'images et de vidéos en temps réel en permettant aux modèles d'IA de s'exécuter directement sur les appareils périphériques, réduisant ainsi la latence et améliorant l'efficacité.
Cette formation en direct avec instructeur (en ligne ou sur site) s'adresse aux ingénieurs en vision par ordinateur de niveau intermédiaire à avancé, aux développeurs d'IA et aux professionnels de l'IoT qui souhaitent mettre en œuvre et optimiser les modèles de vision par ordinateur pour le traitement en temps réel sur les appareils de périphérie.
À l'issue de cette formation, les participants seront en mesure de :
- Comprendre les principes fondamentaux de Edge AI et ses applications en vision par ordinateur.
- Déployer des modèles d'apprentissage profond optimisés sur des appareils périphériques pour l'analyse d'images et de vidéos en temps réel.
- Utiliser des frameworks comme TensorFlow Lite, OpenVINO, et NVIDIA Jetson SDK pour le déploiement de modèles.
- Optimiser les modèles d'IA pour la performance, l'efficacité énergétique et l'inférence à faible latence.
Format du cours permettant d'évaluer les participants
- Exposé et discussion interactifs.
- Beaucoup d'exercices et de pratique.
- Mise en œuvre pratique dans un environnement live-lab.
Options de personnalisation du cours
- Pour demander une formation personnalisée pour ce cours, veuillez nous contacter.
Plan du cours
Introduction au Edge AI pour Computer Vision
- Aperçu de Edge AI et de ses avantages
- Comparaison : Cloud AI vs Edge AI
- Principaux défis en matière de traitement d'images en temps réel
Déploiement des modèles Deep Learning sur les appareils périphériques
- Introduction à TensorFlow Lite et OpenVINO
- Optimisation et quantification des modèles pour le déploiement en périphérie
- Étude de cas : Exécution de YOLOv8 sur un appareil périphérique
Accélération matérielle pour l'inférence en temps réel
- Vue d'ensemble du matériel informatique de périphérie (Jetson, Coral, FPGA)
- Exploitation de GPU et de l'accélération TPU
- Benchmarking et évaluation des performances
Détection et suivi d'objets en temps réel
- Implémentation de la détection d'objets avec les modèles YOLO
- Suivi d'objets en mouvement en temps réel
- Amélioration de la précision de la détection grâce à la fusion des capteurs
Techniques d'optimisation pour Edge AI
- Réduire la taille des modèles grâce à l'élagage et à la quantification
- Techniques de réduction de la latence et de la consommation d'énergie
- Réentraînement et réglage fin du modèle Edge AI.
Intégrer Edge AI aux systèmes IoT
- Déploiement de modèles d'IA sur des caméras intelligentes et des appareils IoT
- Prise de décision en temps réel Edge AI entre les appareils périphériques et le nuage
- L'intégration Communication entre les dispositifs de périphérie et les systèmes dans le nuage
Sécurité et considérations éthiques dans Edge AI
- Préoccupations relatives à la confidentialité des données dans les applications d'IA de périphérie
- Garantir la sécurité des modèles contre les attaques adverses
- Conformité avec les réglementations et les principes éthiques de l'IA
Résumé et prochaines étapes
Pré requis
- Familiarité avec les concepts de vision par ordinateur
- Expérience avec Python et les cadres d'apprentissage profond
- Connaissance de base de l'edge computing et des appareils IoT
Audience
- Ingénieurs en vision par ordinateur
- Développeurs en IA
- Professionnels de l'IoT
Les formations ouvertes requièrent plus de 3 participants.
Formation Edge AI for Computer Vision: Real-Time Image Processing - Booking
Formation Edge AI for Computer Vision: Real-Time Image Processing - Enquiry
Edge AI for Computer Vision: Real-Time Image Processing - Demande d'informations consulting
Demande d'informations consulting
Nos clients témoignent (1)
I genuinely enjoyed the hands-on approach.
Kevin De Cuyper
Formation - Computer Vision with OpenCV
Traduction automatique
Cours à venir
Cours Similaires
Building AI Solutions on the Edge
14 HeuresCette formation en direct avec instructeur en France (en ligne ou sur place) s'adresse aux développeurs de niveau intermédiaire, aux scientifiques des données et aux passionnés de technologie qui souhaitent acquérir des compétences pratiques dans le déploiement de modèles d'IA sur des appareils périphériques pour diverses applications.
À l'issue de cette formation, les participants seront en mesure de :
- Comprendre les principes de l'Edge AI et ses avantages.
- Mettre en place et configurer l'environnement informatique périphérique.
- Développer, former et optimiser des modèles d'IA pour le déploiement en périphérie.
- Mettre en œuvre des solutions pratiques d'IA sur des appareils périphériques.
- Évaluer et améliorer les performances des modèles déployés en périphérie.
- Aborder les considérations éthiques et de sécurité dans les applications d'Edge AI.
Edge AI: From Concept to Implementation
14 HeuresCette formation en direct avec instructeur à France (en ligne ou sur site) s'adresse aux développeurs et aux professionnels de l'informatique de niveau intermédiaire qui souhaitent acquérir une compréhension complète de l'Edge AI, du concept à la mise en œuvre pratique, y compris l'installation et le déploiement.
A l'issue de cette formation, les participants seront en mesure de :
- Comprendre les concepts fondamentaux de l'Edge AI.
- Mettre en place et configurer des environnements Edge AI.
- Développer, former et optimiser des modèles Edge AI.
- Déployer et gérer les applications Edge AI.
- Intégrer l'Edge AI aux systèmes et flux de travail existants.
- Aborder les considérations éthiques et les meilleures pratiques dans la mise en œuvre de l'Edge AI.
Edge AI for IoT Applications
14 HeuresCette formation en direct avec instructeur en France (en ligne ou sur site) s'adresse aux développeurs de niveau intermédiaire, aux architectes système et aux professionnels de l'industrie qui souhaitent tirer parti de l'Edge AI pour améliorer les applications IoT avec des capacités de traitement et d'analyse de données intelligentes.
À l'issue de cette formation, les participants seront en mesure de :
- Comprendre les principes fondamentaux de l'Edge AI et son application dans l'IoT.
- Mettre en place et configurer des environnements Edge AI pour les appareils IoT.
- Développer et déployer des modèles d'IA sur des appareils Edge pour des applications IoT.
- Mettre en œuvre le traitement des données en temps réel et la prise de décision dans les systèmes IoT.
- Intégrer l'Edge AI à divers protocoles et plateformes IoT.
- Aborder les considérations éthiques et les meilleures pratiques en matière d'Edge AI pour l'IoT.
AI Facial Recognition Development for Law Enforcement
21 HeuresCette formation en direct avec instructeur en France (en ligne ou sur place) s'adresse au personnel débutant des forces de l'ordre qui souhaite passer de l'esquisse faciale manuelle à l'utilisation d'outils d'intelligence artificielle pour développer des systèmes de reconnaissance faciale.
A l'issue de cette formation, les participants seront capables de :
- Comprendre les principes fondamentaux de l'intelligence artificielle et Machine Learning.
- Apprendre les bases du traitement numérique de l'image et son application à la reconnaissance faciale.
- Développer des compétences dans l'utilisation d'outils et de cadres d'intelligence artificielle pour créer des modèles de reconnaissance faciale.
- Acquérir une expérience pratique dans la création, l'entraînement et le test de systèmes de reconnaissance faciale.
- Comprendre les considérations éthiques et les meilleures pratiques dans l'utilisation de la technologie de reconnaissance faciale.
Fiji: Introduction to Scientific Image Processing
21 HeuresFiji est un logiciel libre de traitement d'images qui regroupe ImageJ (un programme de traitement d'images multidimensionnelles scientifiques) et un certain nombre de plugins pour l'analyse d'images scientifiques.
Au cours de cette formation, les participants apprendront à utiliser la distribution Fiji et le programme ImageJ sous-jacent pour créer une application d'analyse d'images.
À l'issue de cette formation, les participants seront capables de :
- Utiliser les fonctions de programmation avancées et les composants logiciels de Fiji pour étendre ImageJ
- Assembler de grandes images 3D à partir de tuiles qui se chevauchent
- Mettre à jour automatiquement une installation de Fiji au démarrage en utilisant le système de mise à jour intégré
- Choisir parmi une large sélection de langages de script pour créer des solutions d'analyse d'images personnalisées.
- utiliser les puissantes bibliothèques de Fiji, telles que ImgLib, pour les grands ensembles de données d'imagerie biologique
- Déployer leur application et collaborer avec d'autres scientifiques sur des projets similaires.
Format du cours permettant d'évaluer les participants
- Exposé et discussion interactifs.
- Beaucoup d'exercices et de pratique.
- Mise en œuvre pratique dans un environnement live-lab.
Options de personnalisation du cours
- Pour demander une formation personnalisée pour ce cours, veuillez nous contacter.
Fiji: Image Processing for Biotechnology and Toxicology
14 HeuresCette formation en direct (en ligne ou sur site) dispensée par un formateur est destinée aux chercheurs et professionnels de laboratoire de niveau débutant à intermédiaire qui souhaitent traiter et analyser des images liées aux tissus histologiques, aux cellules sanguines, aux algues et autres échantillons biologiques.
À la fin de cette formation, les participants seront capables de :
- Naviguer dans l'interface de Fiji et utiliser les fonctions principales d’ImageJ.
- Prétraiter et améliorer des images scientifiques pour une meilleure analyse.
- Analyser des images de manière quantitative, y compris le comptage cellulaire et la mesure des surfaces.
- Automatiser les tâches répétitives en utilisant des macros et des plugins.
- Personnaliser les workflows pour répondre aux besoins spécifiques d'analyse d’images dans la recherche biologique.
Introduction to Edge AI
14 HeuresCette formation en direct avec instructeur à France (en ligne ou sur site) est destinée aux développeurs débutants et aux professionnels de l'informatique qui souhaitent comprendre les principes fondamentaux de l'Edge AI et ses applications d'introduction.
À l'issue de cette formation, les participants seront en mesure de :
- Comprendre les concepts de base et l'architecture de Edge AI.
- Mettre en place et configurer des environnements Edge AI.
- Développer et déployer des applications Edge AI simples.
- Identifier et comprendre les cas d'utilisation et les avantages de l'Edge AI.
Vision par ordinateur avec OpenCV
28 HeuresOpenCV (Open Source Computer Vision Library : http://opencv.org) est une bibliothèque open-source sous licence BSD qui comprend plusieurs centaines d'algorithmes de vision par ordinateur.
Public
Ce cours s'adresse aux ingénieurs et aux architectes qui souhaitent utiliser OpenCV pour des projets de vision par ordinateur.
Python and Deep Learning with OpenCV 4
14 HeuresCette formation en France (en ligne ou sur site) s'adresse aux ingénieurs logiciels qui souhaitent programmer en Python avec OpenCV 4 pour l'apprentissage profond.
A l'issue de cette formation, les participants seront capables de :
- Visualiser, charger et classifier des images et des vidéos en OpenCV 4.
- Mettre en œuvre l'apprentissage profond en OpenCV 4 avec TensorFlow et Keras.
- Exécuter des modèles d'apprentissage profond et générer des rapports percutants à partir d'images et de vidéos.
OpenFace: Creating Facial Recognition Systems
14 HeuresOpenFace est un logiciel de reconnaissance faciale en temps réel, à code source ouvert, basé sur les recherches FaceNet de Google Python et Torch.
Au cours de cette formation, les participants apprendront à utiliser les composants d'OpenFace pour créer et déployer un exemple d'application de reconnaissance faciale.
A la fin de cette formation, les participants seront capables de :
- Travailler avec les composants d'OpenFace, y compris dlib, OpenVC, Torch, et nn4 pour implémenter la détection, l'alignement et la transformation des visages.
- Appliquer OpenFace à des applications réelles telles que la surveillance, la vérification d'identité, la réalité virtuelle, les jeux, l'identification de clients réguliers, etc.
Public
- Développeurs
- Scientifiques des données
Format du cours permettant d'évaluer les participants
- En partie conférence, en partie discussion, exercices et pratique intensive.
Pattern Matching
14 HeuresPattern Matching est une technique utilisée pour localiser des motifs spécifiques dans une image. Elle peut être utilisée pour déterminer l'existence de caractéristiques spécifiques dans une image capturée, par exemple l'étiquette attendue sur un produit défectueux dans une chaîne de production ou les dimensions spécifiées d'un composant. Elle diffère de la technique "Pattern Recognition" (qui reconnaît des modèles généraux basés sur des collections plus vastes d'échantillons apparentés) en ce sens qu'elle dicte spécifiquement ce que nous recherchons, puis nous indique si le modèle attendu existe ou non.
Format du cours permettant d'évaluer les participants
- Ce cours présente les approches, les technologies et les algorithmes utilisés dans le domaine de la recherche de motifs, tels qu'ils s'appliquent à Machine Vision.
Raspberry Pi + OpenCV for Facial Recognition
21 HeuresCette formation en direct, dirigée par un instructeur, présente le logiciel, le matériel et le processus étape par étape nécessaire pour construire un système de reconnaissance faciale à partir de zéro. La reconnaissance faciale est également connue sous le nom de Face Recognition.
Le matériel utilisé dans ce laboratoire comprend le Rasberry Pi, un module caméra, des servos (optionnels), etc. Les participants sont responsables de l'achat de ces composants. Les logiciels utilisés comprennent OpenCV, Linux, Python, etc.
A l'issue de cette formation, les participants seront capables de :
- Installer Linux, OpenCV et d'autres logiciels utilitaires et bibliothèques sur un Rasberry Pi.
- Configurer OpenCV pour capturer et détecter des images faciales.
- Comprendre les différentes options de conditionnement d'un système Rasberry Pi pour une utilisation dans des environnements réels.
- Adapter le système à une variété de cas d'utilisation, y compris la surveillance, la vérification d'identité, etc.
Format du cours permettant d'évaluer les participants
- En partie exposé, en partie discussion, exercices et pratique intensive.
Remarque
- D'autres options matérielles et logicielles existent : Arduino, OpenFace, Windows, etc. Si vous souhaitez utiliser l'une de ces options, veuillez nous contacter.
Vision Builder for Automated Inspection
35 HeuresCette formation en direct, animée par un formateur (en ligne ou sur site), s'adresse aux professionnels intermédiaires souhaitant utiliser Vision Builder AI pour concevoir, mettre en œuvre et optimiser des systèmes d'inspection automatisés destinés aux processus SMT (Surface-Mount Technology).
À la fin de cette formation, les participants seront capables de :
- Configurer et paramétrer des inspections automatisées à l'aide de Vision Builder AI.
- Acquérir et prétraiter des images de haute qualité pour l'analyse.
- Mettre en œuvre des décisions basées sur la logique pour la détection de défauts et la validation du processus.
- Générer des rapports d'inspection et optimiser les performances du système.