Computer Vision Training Courses

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 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 instructor-led, live 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.

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.

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

This instructor-led, live training in Italia (online or onsite) is aimed at developers who wish to build a self-driving car using deep learning techniques.

By the end of this training, participants will be able to:

- Use Keras to build and train a convolutional neural network.
- Use computer vision techniques to identify lanes in an autonomos driving project.
- Train a deep learning model to differentiate traffic signs.
- Simulate a fully autonomous car.

L'analisi video si riferisce alla tecnologia e alle tecniche utilizzate per elaborare un streaming video. Un'applicazione comune sarebbe la cattura e l'identificazione di eventi video dal vivo attraverso la rilevazione del movimento, il riconoscimento facciale, la folla e il conteggio dei veicoli, ecc.

Questo allenamento diretto da istruttori, in diretta (online o on-site) è rivolto a sviluppatori che vogliono costruire modelli di rilevamento e tracciamento oggetti accelerati hardware per analizzare i dati video in streaming.

Al termine di questo corso, i partecipanti saranno in grado di:

Installare e configurare il necessario ambiente di sviluppo, software e biblioteche per iniziare a sviluppare. Costruire, addestrare e implementare modelli di apprendimento profondo per analizzare i feed video dal vivo. Identificare, tracciare, segmentare e prevedere oggetti diversi all'interno dei quadri video. Ottimizzare i modelli di rilevamento e tracciamento degli oggetti. Sviluppare un'applicazione di analisi video intelligente (IVA).

Il formato del corso

Interattiva lezione e discussione. Molti esercizi e pratiche. Implementazione a mano in un ambiente live-lab.

Opzioni di personalizzazione del corso

Per richiedere una formazione personalizzata per questo corso, si prega di contattarci per organizzare.

YOLO (You Only Look Once) è un algoritmo che si trasforma in modelli pre-allenati per la rilevazione degli oggetti. È testato dal framework di rete neurale Darknet, rendendolo ideale per lo sviluppo di funzionalità di visione informatica basate sul database COCO (Common Objects in Context). Le ultime varianti del framework YOLO, YOLOv3-v4, consentono ai programmi di eseguire in modo efficiente le attività di localizzazione e classificazione degli oggetti mentre eseguono in tempo reale.

Questo istruttore guidato, formazione dal vivo (online o on-site) è rivolto a sviluppatori di background e scienziati dei dati che vogliono incorporare modelli YOLO pre-allenati nei loro programmi guidati dall'impresa e implementare componenti cost-efficienti per la rilevazione degli oggetti.

Al termine di questo corso, i partecipanti saranno in grado di:

Installare e configurare gli strumenti e le biblioteche necessari nella rilevazione degli oggetti utilizzando YOLO. Personalizzare le applicazioni della linea di comando Python che operano sulla base di modelli YOLO pre-allenati. Implementa il quadro dei modelli YOLO pre-allenati per vari progetti di visione informatica. Convertire i dati esistenti per la rilevazione degli oggetti in formato YOLO. Comprendere i concetti fondamentali dell’algoritmo YOLO per la visione informatica e/o l’apprendimento profondo.

Il formato del corso

Interattiva lezione e discussione. Molti esercizi e pratiche. Implementazione a mano in un ambiente live-lab.

Opzioni di personalizzazione del corso

Per richiedere una formazione personalizzata per questo corso, si prega di contattarci per organizzare.

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 .

OpenCV (Open Source Computer Vision Library: http://opencv.org) is an open-source BSD-licensed library that includes several hundreds of computer vision algorithms.

Audience

This course is directed at engineers and architects seeking to utilize OpenCV for computer vision projects

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 .

OpenCV è una libreria di funzioni di programmazione per la decifrazione delle immagini con algoritmi informatici. OpenCV 4 è la versione più recente OpenCV e fornisce modularità ottimizzata, algoritmi aggiornati e altro ancora. Con OpenCV 4 e Python, gli utenti saranno in grado di visualizzare, caricare e classificare immagini e video per il riconoscimento dell'immagine avanzata.

Questo istruttore guidato, la formazione in diretta (online o on-site) è rivolto agli ingegneri software che vogliono programmare in Python con OpenCV 4 per l'apprendimento profondo.

Al termine di questo corso, i partecipanti saranno in grado di:

Visualizzare, caricare e classificare immagini e video utilizzando OpenCV 4. Il Corano è il Corano, il Corano, il Corano, il Corano, il Corano e il Corano. Eseguire modelli di apprendimento profondo e generare rapporti influenti da immagini e video.

Il formato del corso

Interattiva lezione e discussione. Molti esercizi e pratiche. Implementazione a mano in un ambiente live-lab.

Opzioni di personalizzazione del corso

Per richiedere una formazione personalizzata per questo corso, si prega di contattarci per organizzare.