Corso di formazione Deep Learning for Self Driving Cars

OpenCV (Open Source Computer Vision Library: http://opencv.org) è una libreria open source con licenza BSD che include diverse centinaia di algoritmi di visione artificiale.

Pubblico

Questo corso è rivolto a ingegneri e architetti che cercano di utilizzare OpenCV per progetti di visione artificiale

Questo corso di formazione dal vivo con istruttore introduce il software, l'hardware e il processo stepbystep necessari per costruire da zero un sistema di riconoscimento facciale Il riconoscimento facciale è anche noto come riconoscimento facciale L'hardware utilizzato in questo laboratorio include Rasberry Pi, un modulo fotocamera, servi (opzionale), ecc I partecipanti sono responsabili dell'acquisto di questi componenti stessi Il software utilizzato include OpenCV, Linux, Python, ecc Alla fine di questa formazione, i partecipanti saranno in grado di: Installa Linux, OpenCV e altre utilità e librerie software su un Rasberry Pi Configura OpenCV per acquisire e rilevare immagini facciali Comprendere le varie opzioni per il confezionamento di un sistema Rasberry Pi da utilizzare in ambienti realworld Adattare il sistema a una varietà di casi d'uso, tra cui sorveglianza, verifica dell'identità, ecc Pubblico Sviluppatori Tecnici hardware / software Persone tecniche in tutti i settori hobbisti Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva Nota Altre opzioni hardware e software includono: Arduino, OpenFace, Windows, ecc Se si desidera utilizzare uno di questi, si prega di contattarci per organizzare .

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto agli ingegneri del software che desiderano programmare in Python con OpenCV 4 per il deep learning.

Al termine di questa formazione, i partecipanti saranno in grado di:

• Visualizza, carica e classifica immagini e video utilizzando OpenCV 4.
• Implementa il deep learning in OpenCV 4 con TensorFlow e Keras.
• Esegui modelli di deep learning e genera report di grande impatto da immagini e video.

Pattern Matching è una tecnica utilizzata per individuare i pattern specificati all'interno di un'immagine. Può essere utilizzato per determinare l'esistenza di caratteristiche specifiche all'interno di un'immagine acquisita, ad esempio l'etichetta prevista su un prodotto difettoso in una linea di fabbrica o le dimensioni specificate di un componente. È diverso da " Pattern Recognition " (che riconosce modelli generali basati su raccolte più ampie di campioni correlati) in quanto detta in modo specifico ciò che stiamo cercando, quindi ci dice se il modello previsto esiste o meno.

Formato del corso

• Questo corso introduce gli approcci, le tecnologie e gli algoritmi utilizzati nel campo del pattern matching in quanto si applica a Machine Vision .

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto a persone tecniche che desiderano applicare il modello di deep learning alle applicazioni di riconoscimento delle immagini.

Al termine di questa formazione, i partecipanti saranno in grado di:

• Installare e configurare Keras.
• Prototipa rapidamente modelli di deep learning.
• Implementare una rete convoluzionale.
• Implementare una rete ricorrente.
• Esegui un modello di deep learning sia su una CPU che su una GPU.

Questa formazione dal vivo con istruttore in Italia (online o in loco) è rivolta agli ingegneri del software che desiderano sviluppare reti neurali avanzate di deep learning e modellare utilizzando Keras e Python.

Al termine di questa formazione, i partecipanti saranno in grado di:

• Applica il deep learning con metodi di apprendimento supervisionato o non supervisionato.
• Sviluppare, addestrare e implementare reti neurali concorrenti e reti neurali ricorrenti.
• Usa Keras e Python per costruire modelli di deep learning per risolvere problemi che coinvolgono immagini, testo, suoni e altro ancora.

SimpleCV è un framework open source, il che significa che è una raccolta di librerie e software che è possibile utilizzare per sviluppare applicazioni di visione. Ti consente di lavorare con le immagini o i flussi video che provengono da webcam, Kinects, telecamere FireWire e IP o telefoni cellulari. Ti aiuta a creare software per rendere le tue varie tecnologie non solo di vedere il mondo, ma anche di capirlo.

Pubblico

Questo corso è rivolto a ingegneri e sviluppatori che cercano di sviluppare applicazioni di visione artificiale con SimpleCV.

Caffe è una struttura di apprendimento profondo creata pensando a espressione, velocità e modularità.

Questo corso esplora l'applicazione di Caffe come framework di apprendimento profondo per il riconoscimento di immagini usando MNIST come esempio

Pubblico

Questo corso è adatto a ricercatori e ingegneri del Deep Learning interessati a utilizzare Caffe come framework.

Dopo aver completato questo corso, i delegati saranno in grado di:

• comprendere la struttura e i meccanismi di distribuzione di Caffe
• svolgere attività e configurazione di installazione / ambiente di produzione / architettura
• valutare la qualità del codice, eseguire il debug, il monitoraggio
• implementare la produzione avanzata come modelli di formazione, implementazione di livelli e registrazione

Marvin è un framework estensibile, multipiattaforma, open source per l'elaborazione di immagini e video sviluppato in Java . Gli sviluppatori possono utilizzare Marvin per manipolare le immagini, estrarre funzionalità dalle immagini per attività di classificazione, generare figure in modo algoritmico, elaborare set di dati di file video e impostare l'automazione di unit test.

Alcune delle applicazioni video di Marvin includono filtro, realtà aumentata, tracciamento degli oggetti e rilevazione del movimento.

In questo corso guidato da un istruttore, i partecipanti al corso apprenderanno i principi dell'analisi di immagini e video e utilizzeranno il Marvin Framework e i suoi algoritmi di elaborazione delle immagini per costruire la propria applicazione.

Formato del corso

• Vengono introdotti per la prima volta i principi di base dell'analisi delle immagini, dell'analisi video e del Marvin Framework. Agli studenti vengono assegnati compiti basati su progetti che consentono loro di mettere in pratica i concetti appresi. Entro la fine della lezione, i partecipanti avranno sviluppato la propria applicazione utilizzando il Marvin Framework e le librerie.

Computer Vision è un campo che prevede l'estrazione, l'analisi e la comprensione automatica di informazioni utili dai media digitali. Python è un linguaggio di programmazione di alto livello famoso per la sua sintassi chiara e la leggibilità del codice.

In questo corso di formazione dal vivo con istruttore, i partecipanti impareranno le basi di Computer Vision mentre passano attraverso la creazione di un set di semplici applicazioni di Computer Vision usando Python .

Al termine di questa formazione, i partecipanti saranno in grado di:

• Comprendi le basi di Computer Vision
• Utilizzare Python per implementare le attività di Computer Vision
• Costruisci i loro sistemi di rilevamento di volti, oggetti e movimenti

Pubblico

• Programmatori Python interessati a Computer Vision

Formato del corso

• Parte lezione, parte discussione, esercitazioni e esercitazioni pratiche

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto agli sviluppatori che desiderano creare modelli di rilevamento e tracciamento degli oggetti con accelerazione hardware per analizzare i dati video in streaming.

Al termine di questa formazione, i partecipanti saranno in grado di:

• Installare e configurare l'ambiente di sviluppo, il software e le librerie necessari per iniziare a sviluppare.
• Crea, addestra e distribuisci modelli di deep learning per analizzare i feed video in diretta.
• Identifica, traccia, segmenta e prevedi diversi oggetti all'interno dei fotogrammi video.
• Ottimizza i modelli di rilevamento e tracciamento degli oggetti.
• Distribuisci un'applicazione di analisi video intelligente (IVA).

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto agli sviluppatori back-end e ai data scientist che desiderano incorporare modelli YOLO pre-addestrati nei loro programmi aziendali e implementare componenti convenienti per il rilevamento degli oggetti.

Al termine di questa formazione, i partecipanti saranno in grado di:

• Installa e configura gli strumenti e le librerie necessari per il rilevamento degli oggetti utilizzando YOLO.
• Personalizza Python le applicazioni a riga di comando che operano in base ai modelli pre-addestrati di YOLO.
• Implementare il framework di modelli YOLO pre-addestrati per vari progetti di visione artificiale.
• Converti i set di dati esistenti per il rilevamento degli oggetti in formato YOLO.
• Comprendere i concetti fondamentali dell'algoritmo YOLO per la visione artificiale e/o il deep learning.

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto a sviluppatori, ricercatori e data scientist di livello intermedio e avanzato che desiderano imparare a implementare il rilevamento di oggetti in tempo reale utilizzando YOLOv7.

Al termine di questa formazione, i partecipanti saranno in grado di:

• Comprendere i concetti fondamentali del rilevamento degli oggetti.
• Installa e configura YOLOv7 per le attività di rilevamento degli oggetti.
• Addestra e testa modelli di rilevamento di oggetti personalizzati usando YOLOv7.
• Integra YOLOv7 con altri framework e strumenti di visione artificiale.
• Risolvi i problemi comuni relativi all'implementazione di YOLOv7.