Les formations Computer Vision

Caffe est un cadre d'apprentissage en profondeur fait avec l'expression, la vitesse et la modularité à l'esprit Ce cours explore l'application de Caffe comme cadre d'apprentissage en profondeur pour la reconnaissance d'image en utilisant le MNIST comme exemple Public Ce cours convient aux chercheurs et aux ingénieurs de Deep Learning intéressés à utiliser Caffe comme framework Après avoir terminé ce cours, les délégués seront en mesure de: comprendre la structure et les mécanismes de déploiement de Caffe réaliser les tâches et la configuration de l'installation / de l'environnement de production / de l'architecture évaluer la qualité du code, effectuer le débogage, surveiller mettre en œuvre une production avancée comme des modèles de formation, la mise en œuvre de couches et la journalisation .

Marvin is an extensible, cross-platform, open-source image and video processing framework developed in Java. Developers can use Marvin to manipulate images, extract features from images for classification tasks, generate figures algorithmically, process video file datasets, and set up unit test automation.

Some of Marvin's video applications include filtering, augmented reality, object tracking and motion detection.

In this course participants will learn the principles of image and video analysis and utilize the Marvin Framework and its image processing algorithms to construct their own application.

Audience
Software developers wishing to utilize a rich, plug-in based open-source framework to create image and video processing applications

Format of the course
The basic principles of image analysis, video analysis and the Marvin Framework are first introduced. Students are given project-based tasks which allow them to practice the concepts learned. By the end of the class, participants will have developed their own application using the Marvin Framework and libraries.

OpenCV (Open Source Computer Vision Library: http://opencvorg) est une bibliothèque BSDlicensed opensource qui comprend plusieurs centaines d'algorithmes de vision par ordinateur Public Ce cours s'adresse aux ingénieurs et architectes cherchant à utiliser OpenCV pour des projets de vision par ordinateur .

Pattern Matching est une technique utilisée pour localiser des motifs spécifiés dans une image Il peut être utilisé pour déterminer l'existence de caractéristiques spécifiées dans une image capturée, par exemple l'étiquette attendue sur un produit défectueux dans une ligne d'usine ou les dimensions spécifiées d'un composant Il est différent de la «reconnaissance de modèle» (qui reconnaît les modèles généraux basés sur de plus grandes collections d'échantillons connexes) en ce qu'il dicte spécifiquement ce que nous recherchons, puis nous dit si le modèle attendu existe ou non Public Ingénieurs et développeurs cherchant à développer des applications de vision industrielle Ingénieurs de fabrication, techniciens et gestionnaires Format du cours Ce cours présente les approches, les technologies et les algorithmes utilisés dans le domaine de l'appariement de motifs tel qu'il s'applique à la vision industrielle .

Computer Vision est un domaine qui consiste à extraire, analyser et comprendre automatiquement des informations utiles à partir des médias numériques Python est un langage de programmation de haut niveau connu pour sa syntaxe claire et sa lisibilité Dans cette formation en ligne, les participants apprendront les bases de la vision par ordinateur au fur et à mesure de la création d'un ensemble d'applications simples de Computer Vision utilisant Python À la fin de cette formation, les participants seront en mesure de: Comprendre les bases de la vision par ordinateur Utiliser Python pour implémenter des tâches Computer Vision Construire son propre système de détection de visage, d'objet et de mouvement Public Programmeurs Python intéressés par Computer Vision Format du cours Partie conférence, discussion en partie, exercices et pratique lourde de handson .

Cette formation en ligne, introduite, présente le logiciel, le matériel et le processus stepbystep nécessaires pour construire un système de reconnaissance faciale à partir de zéro La reconnaissance faciale est également connue sous le nom de reconnaissance faciale Le matériel utilisé dans ce laboratoire comprend Rasberry Pi, un module de caméra, des servos (en option), etc Les participants sont responsables de l'achat de ces composants eux-mêmes Le logiciel utilisé comprend OpenCV, Linux, Python, etc À la fin de cette formation, les participants seront en mesure de: Installez Linux, OpenCV et d'autres utilitaires et bibliothèques de logiciels sur un Rasberry Pi Configurez OpenCV pour capturer et détecter les images faciales Comprendre les différentes options pour l'emballage d'un système Rasberry Pi pour une utilisation dans des environnements réels Adapter le système pour une variété de cas d'utilisation, y compris la surveillance, la vérification d'identité, etc Public Développeurs Techniciens en matériel / logiciel Des personnes techniques dans toutes les industries Amateurs Format du cours Partie conférence, discussion en partie, exercices et pratique lourde de handson Remarque Les autres options matérielles et logicielles incluent: Arduino, OpenFace, Windows, etc Si vous souhaitez utiliser l'un d'entre eux, veuillez nous contacter pour organiser .

SimpleCV est un framework open source, ce qui signifie qu'il s'agit d'une collection de bibliothèques et de logiciels que vous pouvez utiliser pour développer des applications de vision Il vous permet de travailler avec les images ou les flux vidéo provenant de webcams, de caméras Kinect, FireWire et IP, ou de téléphones mobiles Il vous aide à créer des logiciels pour que vos différentes technologies puissent non seulement voir le monde, mais aussi le comprendre Public Ce cours s'adresse aux ingénieurs et aux développeurs qui cherchent à développer des applications de vision par ordinateur avec SimpleCV .