컴퓨터 비전 with SimpleCV 교육 과정

Caffe는 표현력, 속도, 모듈성을 고려하여 만든 딥러닝 프레임워크입니다.

이 과정에서는 이미지 인식을 위한 딥러닝 프레임워크로 Caffe를 적용하는 방법을 MNIST를 예로 들어 탐구합니다.

대상

이 과정은 Caffe를 프레임워크로 활용하고자 하는 딥러닝 연구자와 엔지니어에게 적합합니다.

이 과정을 완료한 후 참가자들은 다음을 할 수 있습니다:

• Caffe의 구조와 배포 메커니즘을 이해합니다
• 설치 / 프로덕션 환경 / 아키텍처 작업 및 구성 작업을 수행합니다
• 코드 품질을 평가하고 디버깅, 모니터링을 수행합니다
• 고급 프로덕션 작업, 예를 들어 모델 학습, 레이어 구현, 로깅을 구현합니다

이 강사는 현장 학습을 통해 대한민국(온라인 또는 현장에서) 초보 법 집행 인력이 수동 얼굴 스케치에서 AI 도구를 사용하여 얼굴 인식 시스템을 개발하는 데 필요한 기술을 습득할 수 있도록 돕습니다.

이 강의를 마친 후, 참가자들은 다음과 같은 능력을 갖게 됩니다:

• 인공지능과 머신러닝의 기본 원리를 이해합니다.
• 디지털 이미지 처리 및 얼굴 인식에 대한 기본 사항을 학습합니다.
• 얼굴 인식 모델을 생성하는 데 필요한 AI 도구 및 프레임워크를 사용하기 위한 기술을 개발합니다.
• 얼굴 인식 시스템을 생성, 학습 및 테스트하는 데 대한 실습 경험을 쌓습니다.
• 얼굴 인식 기술 사용에 대한 윤리적 고려 사항 및 모범 사례를 이해합니다.

Fiji는 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.

이 강사는 온라인 또는 현장에서 진행되는 실습 위주의 교육으로, 조직 조직, 혈액 세포, 조류 및 기타 생물학적 샘플에 관련된 이미지를 처리하고 분석하고자 하는 초급자에서 중급자 수준의 연구자 및 실험실 전문가를 대상으로 합니다.

이 교육을 마치면 참가자들이 할 수 있는 것:

• Fiji 인터페이스를 탐색하고 ImageJ의 기본 기능을 활용합니다.
• 과학 이미지를 분석하기 위해 전처리하고 향상시킵니다.
• 세포 계산 및 면적 측정을 포함한 이미지를 정량적으로 분석합니다.
• 매크로와 플러그인을 사용하여 반복적인 작업을 자동화합니다.
• 생물학적 연구의 특정 이미지 분석 요구 사항에 맞게 워크플로를 사용자 정의합니다.

OpenCV (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.

대한민국에서 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.

OpenFace는 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 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.

컴퓨터 비전은 디지털 미디어에서 유용한 정보를 자동으로 추출, 분석하고 이해하는 분야입니다. 파이썬은 명확한 구문과 코드 가독성으로 유명한 고급 프로그래밍 언어입니다.

이 강사 주도형 실습 교육에서 참가자들은 파이썬을 사용하여 간단한 컴퓨터 비전 애플리케이션을 만들어가며 컴퓨터 비전의 기본 개념을 배웁니다.

이 교육을 마치면 참가자들은 다음을 할 수 있게 됩니다:

• 컴퓨터 비전의 기본 개념을 이해합니다
• 파이썬을 사용하여 컴퓨터 비전 작업을 구현합니다
• 자신의 얼굴, 객체, 동작 탐지 시스템을 만듭니다

대상 청중

• 컴퓨터 비전에 관심 있는 파이썬 프로그래머

강의 형식

• 강의, 토론, 연습 및 실습 위주

강사가 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.

이 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.

대한민국(온라인 또는 현장)에서 진행되는 이 강사 주도형 실시간 교육은 백엔드 개발자와 데이터 과학자를 대상으로, 기업 주도 프로그램에 사전 훈련된 YOLO 모델을 통합하고 비용 효율적인 객체 탐지 구성 요소를 구현하는 방법을 배우는 데 중점을 둡니다.

이 교육을 마치면 참가자들은 다음과 같은 능력을 갖추게 됩니다:

• YOLO를 활용한 객체 탐지에 필요한 도구와 라이브러리를 설치하고 구성할 수 있습니다.
• YOLO 사전 훈련된 모델을 기반으로 작동하는 Python 명령줄 애플리케이션을 사용자 정의할 수 있습니다.
• 다양한 컴퓨터 비전 프로젝트에 YOLO 사전 훈련된 모델 프레임워크를 구현할 수 있습니다.
• 객체 탐지를 위한 기존 데이터셋을 YOLO 형식으로 변환할 수 있습니다.
• 컴퓨터 비전과/또는 딥러닝을 위한 YOLO 알고리즘의 기본 개념을 이해할 수 있습니다.

이 강사는 온라인 또는 오프라인에서 중간 및 고급 개발자, 연구원 및 데이터 과학자를 대상으로 실시간 객체 감지를 구현하기 위한 YOLOv7을 배우는 과정을 안내합니다.

이 교육을 마친 후 참가자는 다음과 같은 능력을 갖추게 됩니다.

• 객체 감지의 기본 개념을 이해합니다.
• 객체 감지 작업을 위해 YOLOv7을 설치 및 설정합니다.
• YOLOv7을 사용하여 사용자 정의 객체 감지 모델을 학습 및 테스트합니다.
• YOLOv7을 다른 컴퓨터 비전 프레임워크 및 도구와 통합합니다.
• YOLOv7 구현과 관련된 일반적인 문제를 해결합니다.