Computer Vision for Autonomous Driving 교육 과정
Computer Vision 자율 주행 과정은 개발자가 자율 주행 차량에서 인식 및 환경 이해를 위한 컴퓨터 비전 기술을 구현하는 방법을 가르치는 종합적인 과정입니다.
이 강사 주도의 실시간 교육(온라인 또는 현장)은 강력한 비전 시스템을 자율 주행 애플리케이션에 구축하고자 하는 중급 AI 개발자 및 컴퓨터 비전 엔지니어를 대상으로 합니다.
이 교육을 마치면 참가자들은 다음과 같은 능력을 갖게 될 것입니다:
- 자율 주행 차량의 컴퓨터 비전 기본 개념 이해.
- 객체 감지, 차선 감지 및 의미 분할 알고리즘 구현.
- 비전 시스템을 다른 자율 주행 차량 서브시스템과 통합.
- 고급 인식 작업을 위한 딥 러닝 기술 적용.
- 실제 시나리오에서 컴퓨터 비전 모델의 성능 평가.
과정 형식
- 상호 작용적인 강의 및 토론.
- 많은 연습 및 실습.
- 실시간 실험실 환경에서 직접 구현.
과정 맞춤 설정 옵션
- 이 과정에 대한 맞춤형 교육을 요청하려면 당사에 문의하여 준비해 주시기 바랍니다.
Course Outline
자율 주행 분야의 Computer Vision 소개
- 자율 주행 시스템에서 컴퓨터 비전의 역할
- 실시간 비전 처리에 대한 과제 및 솔루션
- 주요 개념: 객체 감지, 추적 및 장면 이해
자율 주행을 위한 이미지 처리 기초
- 카메라 및 센서로부터 이미지 획득
- 기본 연산: 필터링, 에지 감지 및 변환
- 실시간 비전 작업을 위한 전처리 파이프라인
객체 감지 및 분류
- SIFT, SURF 및 ORB를 사용한 특징 추출
- 고전적인 감지 알고리즘: HOG 및 Haar 캐스케이드
- 딥 러닝 접근 방식: CNN, YOLO 및 SSD
차선 및 도로 표시 감지
- 선 및 곡선 감지를 위한 Hough 변환
- 차선 마킹을 위한 관심 영역(ROI) 추출
- OpenCV 및 TensorFlow을 사용한 차선 감지 구현
장면 이해를 위한 의미 분할
- 자율 주행에서 의미 분할 이해
- 딥 러닝 기술: FCN, U-Net 및 DeepLab
- 딥 신경망을 사용한 실시간 분할
장애물 및 보행자 감지
- YOLO 및 Faster R-CNN을 사용한 실시간 객체 감지
- SORT 및 DeepSORT를 사용한 다중 객체 추적
- HOG 및 딥 러닝 모델을 사용한 보행자 인식
향상된 인식을 위한 Sensor Fusion
- 비전 데이터를 LiDAR 및 RADAR와 결합
- 데이터 통합을 위한 칼만 필터링 및 파티클 필터링
- 센서 융합 기술을 사용한 인식 정확도 향상
비전 시스템 평가 및 테스트
- 자동차 데이터 세트를 사용한 비전 모델 벤치마킹
- 실시간 성능 평가 및 최적화
- 자율 주행 시뮬레이션을 위한 비전 파이프라인 구현
사례 연구 및 실제 응용 프로그램
- 자율 주행 자동차의 성공적인 비전 시스템 분석
- 프로젝트: 차선 및 장애물 감지 파이프라인 구현
- 토론: 자동차 컴퓨터 비전의 미래 동향
요약 및 다음 단계
Requirements
- Python 프로그래밍 능숙도
- 머신 러닝 개념에 대한 기본적인 이해
- 이미지 처리 기술에 대한 익숙함
대상
- 자율 주행 애플리케이션을 개발하는 AI 개발자
- 실시간 인식을 위한 컴퓨터 비전 엔지니어
- 자동차 AI에 관심 있는 연구원 및 개발자
Open Training Courses require 5+ participants.
Computer Vision for Autonomous Driving 교육 과정 - Booking
Computer Vision for Autonomous Driving 교육 과정 - Enquiry
Computer Vision for Autonomous Driving - Consultancy Enquiry
Consultancy Enquiry
회원 평가 (1)
I genuinely enjoyed the hands-on approach.
Kevin De Cuyper
Course - Computer Vision with OpenCV
Upcoming Courses
Related Courses
Advanced Path Planning Algorithms for Autonomous Vehicles
21 Hours이 교육 과정은 숙련된 로봇 공학 엔지니어 및 AI 연구자를 대상으로 하며, 자율 주행 차량의 성능을 향상시키기 위해 정교한 경로 계획 알고리즘을 구현하는 방법을 다룹니다. 온라인 또는 현장 교육으로 진행됩니다.
본 교육 과정을 이수하면 참가자들은 다음을 수행할 수 있게 됩니다:
- 고급 경로 계획 알고리즘의 이론적 기초를 이해합니다.
- RRT*, A*, D*와 같은 알고리즘을 실시간 내비게이션에 구현합니다.
- 장애물 회피 및 동적 환경에 대한 경로 계획을 최적화합니다.
- 더욱 정확한 경로 계획을 위해 센서 데이터를 알고리즘에 통합합니다.
- 다양한 알고리즘의 성능을 실제 시나리오에서 평가합니다.
AI and Deep Learning for Autonomous Driving
21 Hours이 교육 과정은 대한민국 (온라인 또는 현장)에서 진행되는 강사 주도의 실시간 교육으로, 자율 주행 애플리케이션을 위한 AI 모델을 구축, 훈련 및 최적화하고자 하는 고급 데이터 과학자, AI 전문가 및 자동차 AI 개발자를 대상으로 합니다.
이 교육 과정을 마치면 참가자들은 다음을 수행할 수 있게 됩니다:
- 자율 주행 차량의 맥락에서 AI 및 딥 러닝의 기본 원리를 이해합니다.
- 실시간 객체 감지 및 차선 추적을 위한 컴퓨터 비전 기술을 구현합니다.
- 자율 주행 시스템의 의사 결정을 위한 강화 학습을 활용합니다.
- 더 나은 인식 및 내비게이션을 위한 센서 융합 기술을 통합합니다.
- 주행 시나리오를 예측하고 분석하기 위한 딥 러닝 모델을 구축합니다.
Autonomous Vehicle Safety and Risk Assessment
21 Hours이 교육은 대한민국 (온라인 또는 현장)에서 진행되는 강사 주도의 실시간 교육으로, 자율 주행 차량을 위한 포괄적인 안전 전략(위험 분석, 기능 안전 평가 및 국제 표준 준수 포함)을 개발하고자 하는 고급 안전 엔지니어 및 자동차 안전 전문가를 대상으로 합니다.
이 교육을 마치면 참가자들은 다음을 수행할 수 있게 됩니다:
- 자율 주행 시스템과 관련된 안전 위험을 식별하고 평가합니다.
- 산업 표준을 사용하여 위험 분석 및 위험 평가를 수행합니다.
- AV 시스템에 대한 안전 검증 및 확인 방법을 구현합니다.
- ISO 26262 및 SOTIF와 같은 기능 안전 표준을 적용합니다.
- AV 안전 문제에 대한 위험 완화 전략을 개발합니다.
AI Facial Recognition Development for Law Enforcement
21 Hours대한민국에서 강사가 진행하는 이 실시간 교육(온라인 또는 현장)은 수동 얼굴 스케치에서 AI 도구를 사용하여 얼굴 인식 시스템을 개발하는 방식으로 전환하려는 초보 수준의 법 집행 직원을 대상으로 합니다.
이 교육을 마치면 참가자는 다음을 수행할 수 있습니다.
- 인공지능의 기본을 이해하고 Machine Learning
- 디지털 이미지 처리의 기본과 얼굴 인식에 대한 응용 방법을 배워보세요.
- AI 도구와 프레임워크를 사용하여 얼굴 인식 모델을 만드는 기술을 개발합니다.
- 얼굴 인식 시스템을 만들고, 훈련하고, 테스트하는 실무 경험을 얻으세요.
- 얼굴 인식 기술을 사용할 때의 윤리적 고려 사항과 모범 사례를 알아보세요.
Fiji: Introduction to Scientific Image Processing
21 HoursFiji는 ImageJ(과학적 다차원 이미지를 위한 이미지 처리 프로그램)와 여러 과학적 이미지 분석을 위한 플러그인을 묶은 오픈소스 이미지 처리 패키지입니다.
강사가 진행하는 이 실시간 교육에서 참가자는 Fiji 배포판과 그 기반인 ImageJ 프로그램을 사용하여 이미지 분석 애플리케이션을 만드는 방법을 배웁니다.
이 교육을 마치면 참가자는 다음을 수행할 수 있습니다.
- Fiji의 고급 프로그래밍 기능과 소프트웨어 구성 요소를 사용하여 ImageJ를 확장하세요.
- 겹쳐진 타일에서 큰 3D 이미지를 스티치합니다.
- 통합 업데이트 시스템을 사용하여 시작 시 Fiji 설치를 자동으로 업데이트합니다.
- 다양한 스크립팅 언어 중에서 선택하여 사용자 정의 이미지 분석 솔루션을 구축하세요.
- ImgLib와 같은 Fiji의 강력한 라이브러리를 대규모 바이오이미지 데이터 세트에 사용하세요.
- 자신의 애플리케이션을 배포하고 유사한 프로젝트에 참여하는 다른 과학자들과 협업합니다.
과정 형식
- 대화형 강의 및 토론.
- 연습과 실습이 많아요.
- 라이브 랩 환경에서의 실습 구현.
코스 사용자 정의 옵션
- 이 과정에 대한 맞춤형 교육을 요청하려면 당사에 연락하여 준비하세요.
Fiji: Image Processing for Biotechnology and Toxicology
14 Hours대한민국에서 강사가 진행하는 이 실시간 교육(온라인 또는 현장)은 조직학 조직, 혈액 세포, 조류 및 기타 생물학적 샘플과 관련된 이미지를 처리하고 분석하려는 초급에서 중급 수준의 연구자와 실험실 전문가를 대상으로 합니다.
이 교육을 마치면 참가자는 다음을 수행할 수 있습니다.
- Fiji 인터페이스를 탐색하고 ImageJ의 핵심 기능을 활용하세요.
- 더 나은 분석을 위해 과학적 이미지를 사전 처리하고 향상시킵니다.
- 세포 수 계산, 면적 측정 등을 포함하여 이미지를 정량적으로 분석합니다.
- 매크로와 플러그인을 사용하여 반복되는 작업을 자동화하세요.
- 생물학 연구의 특정 이미지 분석 요구 사항에 맞게 워크플로를 사용자 정의합니다.
Multi-Sensor Data Fusion for Autonomous Navigation
21 Hours이 강사는 대한민국 (온라인 또는 현장)에서 진행되는 실시간 교육으로, 다중 센서 융합 알고리즘을 개발하고 자율 시스템의 실시간 내비게이션을 최적화하고자 하는 고급 센서 융합 전문가 및 AI 엔지니어를 대상으로 합니다.
본 교육을 마치면 참가자들은 다음을 수행할 수 있습니다:
- 다중 센서 데이터 융합의 기본 원리와 과제를 이해합니다.
- 실시간 자율 내비게이션을 위한 센서 융합 알고리즘을 구현합니다.
- LiDAR, 카메라, RADAR 데이터를 통합하여 인식 기능을 향상시킵니다.
- 다양한 조건에서 융합 시스템 성능을 분석하고 평가합니다.
- 센서 노이즈 감소 및 데이터 정렬을 위한 실용적인 솔루션을 개발합니다.
Computer Vision with OpenCV
28 HoursOpenCV (오픈 소스 Computer Vision 라이브러리: http://opencv.org)는 수백 개의 컴퓨터 비전 알고리즘을 포함하는 오픈 소스 BSD 라이센스 라이브러리입니다.
청중
이 과정은 컴퓨터 비전 프로젝트에 OpenCV을 활용하려는 엔지니어와 건축가를 대상으로 합니다.
Python and Deep Learning with OpenCV 4
14 Hours대한민국에서 진행되는 이 실시간 교육(온라인 또는 현장)은 딥 러닝을 위해 Python 및 OpenCV 4를 프로그래밍하려는 소프트웨어 엔지니어를 대상으로 합니다.
이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.
- OpenCV을 사용하여 이미지와 비디오를 보고 로드하고 분류합니다. 4.
- TensorFlow과 Keras을 사용하여 OpenCV 4의 딥 러닝을 구현합니다.
- 딥 러닝 모델을 실행하고 이미지와 비디오에서 영향력 있는 보고서를 생성하세요.
OpenFace: Creating Facial Recognition Systems
14 HoursOpenFace는 Google의 FaceNet 연구를 기반으로 하는 Python 및 Torch 기반 오픈 소스 실시간 얼굴 인식 소프트웨어입니다.
강사가 진행하는 이 실시간 교육에서 참가자는 OpenFace의 구성 요소를 사용하여 샘플 얼굴 인식 애플리케이션을 만들고 배포하는 방법을 배웁니다.
이 교육을 마치면 참가자는 다음을 수행할 수 있습니다.
- dlib, OpenVC, Torch 및 nn4를 포함한 OpenFace의 구성 요소와 함께 작업하여 얼굴 감지, 정렬 및 변환을 구현합니다.
- 감시, 신원 확인, 가상 현실, 게임, 재방문 고객 식별 등 실제 응용 분야에 OpenFace를 적용합니다.
청중
- 개발자
- 데이터 과학자
과정 형식
- 일부 강의, 일부 토론, 연습 및 집중적인 실습
Pattern Matching
14 HoursPattern Matching는 이미지 내에서 지정된 패턴을 찾는 데 사용되는 기술입니다. 예를 들어, 공장 라인에서 결함이 있는 제품의 예상 라벨이나 구성 요소의 지정된 치수와 같이 캡처된 이미지 내에서 지정된 특성의 존재를 확인하는 데 사용할 수 있습니다. 이것은 더 큰 관련 샘플 컬렉션을 기반으로 일반적인 패턴을 인식하는 "Pattern Recognition"과 다릅니다. 즉, 우리가 찾고 있는 것이 무엇인지 구체적으로 지시한 다음 예상 패턴이 있는지 여부를 알려줍니다.
과정 형식
- 이 과정에서는 Machine Vision에 적용되는 패턴 매칭 분야에서 사용되는 접근 방식, 기술 및 알고리즘을 소개합니다.
Raspberry Pi + OpenCV for Facial Recognition
21 Hours강사가 진행하는 이 라이브 교육에서는 얼굴 인식 시스템을 처음부터 구축하는 데 필요한 소프트웨어, 하드웨어 및 단계별 프로세스를 소개합니다. 얼굴 인식은 Face Recognition로도 알려져 있습니다.
이 랩에서 사용된 하드웨어에는 Rasberry Pi, 카메라 모듈, 서보(선택 사항) 등이 포함됩니다. 참가자는 이러한 구성 요소를 직접 구매해야 합니다. 사용된 소프트웨어에는 OpenCV, Linux, Python 등이 있습니다.
이 교육을 마치면 참가자는 다음을 수행할 수 있습니다.
- Rasberry Pi에 Linux, OpenCV 및 기타 소프트웨어 유틸리티와 라이브러리를 설치합니다.
- OpenCV을 구성하여 얼굴 이미지를 캡처하고 감지합니다.
- 실제 환경에서 사용하기 위해 Rasberry Pi 시스템을 패키징하는 다양한 옵션을 알아보세요.
- 감시, 신원 확인 등 다양한 사용 사례에 맞춰 시스템을 조정합니다.
과정 형식
- 일부 강의, 일부 토론, 연습 및 집중적인 실습
메모
- 기타 하드웨어 및 소프트웨어 옵션에는 Arduino, OpenFace, Windows 등이 있습니다. 이러한 옵션을 사용하려면 당사에 연락하여 조치를 취하십시오.
Vision Builder for Automated Inspection
35 Hours이 강사 주도의 실시간 트레이닝(대한민국 온라인 또는 오프사이트)은 SMT(표면 장착 기술) 프로세스를 위한 자동 검사 시스템을 설계, 구현 및 최적화하기 위해 Vision Builder AI를 사용하고자 하는 중급 전문가들을 대상으로 합니다.
이 트레이닝의 끝까지 참여하면 다음과 같은 능력을 갖추게 됩니다:
- Vision Builder AI를 사용하여 자동 검사를 설정 및 구성합니다.
- 분석을 위한 고화질 이미지를 획득하고 전처리합니다.
- 결함 감지와 프로세스 검증을 위한 논리 기반 결정을 구현합니다.
- 검사 보고서를 생성하고 시스템 성능을 최적화합니다.