컴퓨터 비전 Training Courses

Caffe는 표현, 속도 및 모듈성을 염두에두고 작성된 심층 학습 프레임 워크입니다 이 과정은 MNIST를 예로 들어 이미지 인식을위한 심층적 인 학습 틀로서 Caffe의 적용을 탐구한다 청중 이 과정은 Caffe를 프레임 워크로 활용하는 데 관심이있는 Deep Learning 연구원 및 엔지니어에게 적합합니다 이 과정을 마친 후에는 대표단이 다음을 수행 할 수 있습니다 Caffe의 구조와 전개 메커니즘 이해 설치 / 생산 환경 / 아키텍처 작업 및 구성 수행 코드 품질 평가, 디버깅 수행, 모니터링 교육 모델과 같은 고급 제작 구현, 레이어 및 로깅 구현 .

마 빈은 확장 가능한 크로스 플랫폼 오픈 소스 이미지와 자바에서 개발 된 비디오 프로세싱 프레임 워크입니다. 개발자는 빈을 사용 하 여 이미지를 조작 하 고 분류 작업을 위해 이미지에서 피쳐를 추출 하 고 알고리즘 방식으로 수치를 생성할 수 있습니다. 비디오 파일 데이터 집합을 처리 하 고 단위 테스트 자동화를 설정 합니다.

일부의 마 빈 & #39; s 비디오 응용 프로그램에는 필터링, 증강 현실, 개체 추적 및 동작 감지가 포함 됩니다.

이 강사 주도에서

, 라이브 코스 참가자는 이미지 및 비디오 분석의 원리를 배우고 자신의 응용 프로그램을 구성 하는 마 빈 프레임 워크 및 이미지 처리 알고리즘을 활용 합니다.

코스의

형식

- 이미지 분석, 비디오 분석 및 마 빈 프레임 워크의 기본 원칙을 먼저 소개 합니다. 학생 들은 배운 개념을 연습할 수 있는 프로젝트 기반 작업이 주어 집니다. 수업이 끝날 때까지, 참가자 들은 마 빈 프레임 워크와 라이브러리를 사용 하 여 자신의 응용 프로그램을 개발 한 것입니다.

OpenCV (Open Source Computer Vision Library : http://opencvorg)는 수백 개의 컴퓨터 비전 알고리즘이 포함 된 오픈 소스 BSDlicensed 라이브러리입니다 청중 이 과정은 컴퓨터 비전 프로젝트에 OpenCV를 활용하려는 엔지니어 및 건축가를 대상으로합니다 .

패턴 일치는 이미지 내에서 지정 된 패턴을 찾는 데 사용 되는 기술입니다. 이는 캡처된 이미지 내에서 지정 된 특성의 존재 여부를 결정 하는 데 사용할 수 있습니다 (예: 공장 라인의 결함 있는 제품 또는 구성 요소의 지정 된 치수). "패턴 인식" (관련 샘플의 큰 컬렉션을 기반으로 하는 일반적인 패턴을 인식 함)과 다르며, 원하는 패턴이 있는지 여부를 알려줍니다.

코스의

형식

- 이 과정에서는 머신 비전에 적용 되는 패턴 매칭 분야에서 사용 되는 접근 방식, 기술 및 알고리즘을 소개 합니다.

컴퓨터 비전은 디지털 미디어에서 유용한 정보를 자동으로 추출, 분석 및 이해하는 분야입니다 파이썬은 명확한 구문 및 코드 가독성으로 유명한 고 레벨 프로그래밍 언어입니다 강사가 진행되는이 교육 과정에서 참가자는 Python을 사용하여 간단한 Computer Vision 응용 프로그램을 작성하면서 Computer Vision의 기본 사항을 학습합니다 이 훈련이 끝나면 참가자는 다음을 할 수 있습니다 컴퓨터 비전의 기본 원리 이해하기 Python을 사용하여 컴퓨터 비전 작업 구현 자신의 얼굴, 대상 및 동작 감지 시스템 구축 청중 컴퓨터 비전에 관심이있는 Python 프로그래머 코스 형식 파트 강의, 파트 토론, 연습 및 무거운 핸드 슨 연습 .

이 강사가 진행된 실습에서는 처음부터 안면 인식 시스템을 구축하는 데 필요한 소프트웨어, 하드웨어 및 stepbystep 프로세스를 소개합니다 얼굴 인식은 얼굴 인식이라고도합니다 이 실험실에서 사용되는 하드웨어에는 Rasberry Pi, 카메라 모듈, servos (옵션) 등이 포함됩니다 참가자는 이러한 구성 요소를 직접 구매해야합니다 사용 된 소프트웨어에는 OpenCV, Linux, Python 등이 포함됩니다 이 훈련이 끝나면 참가자는 다음을 할 수 있습니다 Rasberry Pi에 Linux, OpenCV 및 기타 소프트웨어 유틸리티 및 라이브러리를 설치하십시오 얼굴 이미지를 캡처하고 탐지하도록 OpenCV를 구성합니다 실제 환경에서 사용하기 위해 Rasberry Pi 시스템을 패키징하기위한 다양한 옵션을 이해하십시오 감시, 신원 확인 등을 포함한 다양한 유스 케이스에 맞게 시스템을 수정하십시오 청중 개발자 하드웨어 / 소프트웨어 기술자 모든 산업 분야의 기술 인력 애호가 코스 형식 파트 강의, 파트 토론, 연습 및 무거운 핸드 슨 연습 노트 기타 하드웨어 및 소프트웨어 옵션으로는 Arduino, OpenFace, Windows 등이 있습니다 이들 중 하나를 사용하려면 문의하여 협의하십시오 .

Deep learning is a subfield of machine learning. It uses methods based on learning data representations and structures such as neural networks.

Keras is a high-level neural networks API for fast development and experimentation. It runs on top of TensorFlow, CNTK, or Theano.

This instructor-led, live training (onsite or remote) 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 computer vision techniques to identify lanes.
- Use Keras to build and train convolutional neural networks.
- Train a deep learning model to differentiate traffic signs.
- Simulate a fully autonomous car.

Format of the Course

- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.

Course Customization Options

- To request a customized training for this course, please contact us to arrange.

SimpleCV는 오픈 소스 프레임 워크입니다 즉, 시각 응용 프로그램을 개발할 때 사용할 수있는 라이브러리 및 소프트웨어 모음입니다 웹캠, Kinect, FireWire 및 IP 카메라 또는 휴대폰에서 가져온 이미지 또는 비디오 스트림을 사용하여 작업 할 수 있습니다 다양한 기술을 세계를 볼 수있을뿐만 아니라 이해하는 소프트웨어를 만드는 데 도움이됩니다 청중 이 과정은 SimpleCV로 컴퓨터 비전 응용 프로그램을 개발하려는 엔지니어 및 개발자를 대상으로합니다 .