Lokale, instruktorierte Live-Computer-Vision-Schulungen demonstrieren durch interaktive Diskussionen und praktizieren die Grundlagen von Computer Vision, während die Teilnehmer Schritt für Schritt durch die Erstellung einfacher Computer Vision-Apps gehen Computer Vision Training ist als "Live-Training vor Ort" oder "Remote-Live-Training" verfügbar Onsite Live Training kann vor Ort bei Kunden durchgeführt werden Österreich oder in NobleProg Corporate Trainingszentren in Österreich Remote-Live-Training wird über einen interaktiven Remote-Desktop durchgeführt NobleProg Ihr lokaler Trainingsanbieter.
Machine Translated
Erfahrungsberichte
Ich habe den praktischen Ansatz wirklich genossen.
Kevin De Cuyper
Kurs: Computer Vision with OpenCV
Machine Translated
Die einfache Verwendung der VideoCapture-Funktionalität zum Erfassen von Videobildern von einer Laptop-Kamera.
HP Printing and Computing Solutions, Sociedad Limitada Unipe
Kurs: Computer Vision with OpenCV
Machine Translated
Ich habe die Empfehlungen des Trainers zur Verwendung der Tools genossen. Dies ist etwas, das nicht aus dem Internet erhalten werden kann und sehr nützlich ist.
HP Printing and Computing Solutions, Sociedad Limitada Unipe
Kurs: Computer Vision with OpenCV
Machine Translated
Ich habe die Empfehlungen des Trainers zur Verwendung der Tools genossen. Dies ist etwas, das nicht aus dem Internet erhalten werden kann und sehr nützlich ist.
HP Printing and Computing Solutions, Sociedad Limitada Unipe
Kurs: Computer Vision with OpenCV
Machine Translated
Es war leicht zu folgen.
HP Printing and Computing Solutions, Sociedad Limitada Unipe
Kurs: Computer Vision with OpenCV
Machine Translated
Trainer war sehr bekannt und sehr offen für Feedback darüber, welches Tempo durch den Inhalt und die Themen, die wir behandelt. Ich habe viel aus dem Training gewonnen und habe das Gefühl, dass ich jetzt ein gutes Verständnis von Bildmanipulation und einige Techniken zum Aufbau eines guten Trainingssets für ein Imageklassifizierungsproblem habe.
Anthea King - WesCEF
Kurs: Computer Vision with Python
Machine Translated
Computer Vision Unterkategorien
Computer Vision Kurspläne
Name des Kurses
Dauer
Überblick
Name des Kurses
Dauer
Überblick
28 Stunden
Überblick
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
Audience
This course is directed at engineers and architects seeking to utilize OpenCV for computer vision projects
14 Stunden
Überblick
SimpleCV ist ein Open-Source-Framework. Dies bedeutet, dass es sich um eine Sammlung von Bibliotheken und Software handelt, mit denen Sie Vision-Anwendungen entwickeln können. Damit können Sie mit Bildern oder Videostreams arbeiten, die von Webcams, Kinects, FireWire- und IP-Kameras oder Mobiltelefonen stammen. Es hilft Ihnen beim Erstellen von Software, damit Ihre verschiedenen Technologien die Welt nicht nur sehen, sondern auch verstehen.
Publikum
Dieser Kurs richtet sich an Ingenieure und Entwickler, die Computer Vision-Anwendungen mit SimpleCV entwickeln möchten.
Publikum
Dieser Kurs richtet sich an Ingenieure und Entwickler, die Computer Vision-Anwendungen mit SimpleCV entwickeln möchten.
21 Stunden
Überblick
Caffe ist ein umfassendes Lernframework, das Ausdruck, Geschwindigkeit und Modularität berücksichtigt.
In diesem Kurs wird die Anwendung von Caffe als Deep-Learning-Framework für die Bilderkennung am Beispiel von MNIST erläutert
Publikum
Dieser Kurs eignet sich für Deep Learning Forscher und Ingenieure, die Caffe als Framework nutzen Caffe .
Nach Abschluss dieses Kurses haben die Teilnehmer folgende Möglichkeiten:
- die Struktur und die Bereitstellungsmechanismen von Caffe verstehen
- Installation / Produktionsumgebung / Architektur Aufgaben und Konfiguration durchführen
- Codequalität beurteilen, Debugging und Überwachung durchführen
- Implementieren Sie fortschrittliche Produktionsmethoden wie Schulungsmodelle, Implementieren von Ebenen und Protokollierung
In diesem Kurs wird die Anwendung von Caffe als Deep-Learning-Framework für die Bilderkennung am Beispiel von MNIST erläutert
Publikum
Dieser Kurs eignet sich für Deep Learning Forscher und Ingenieure, die Caffe als Framework nutzen Caffe .
Nach Abschluss dieses Kurses haben die Teilnehmer folgende Möglichkeiten:
- die Struktur und die Bereitstellungsmechanismen von Caffe verstehen
- Installation / Produktionsumgebung / Architektur Aufgaben und Konfiguration durchführen
- Codequalität beurteilen, Debugging und Überwachung durchführen
- Implementieren Sie fortschrittliche Produktionsmethoden wie Schulungsmodelle, Implementieren von Ebenen und Protokollierung
14 Stunden
Überblick
Die Mustererkennung ist eine Technik, mit der bestimmte Muster in einem Bild gesucht werden. Es kann verwendet werden, um das Vorhandensein bestimmter Merkmale in einem erfassten Bild zu bestimmen, z. B. das erwartete Etikett auf einem fehlerhaften Produkt in einer Fertigungslinie oder die angegebenen Abmessungen eines Bauteils. Es unterscheidet sich von der " Pattern Recognition " (die allgemeine Muster erkennt, die auf größeren Sammlungen verwandter Muster basieren) darin, dass es genau festlegt, wonach wir suchen, und uns dann mitteilt, ob das erwartete Muster vorhanden ist oder nicht.
Format des Kurses
- Dieser Kurs führt in die Ansätze, Technologien und Algorithmen ein, die im Bereich des Pattern Matching für Machine Vision .
Format des Kurses
- Dieser Kurs führt in die Ansätze, Technologien und Algorithmen ein, die im Bereich des Pattern Matching für Machine Vision .
14 Stunden
Überblick
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.
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.
21 Stunden
Überblick
Dieses instruierte Live-Training stellt den Software-, Hardware- und Step-by-Step-Prozess vor, der benötigt wird, um ein Gesichtserkennungssystem von Grund auf aufzubauen Gesichtserkennung ist auch als Gesichtserkennung bekannt Die in diesem Labor verwendete Hardware umfasst Rasberry Pi, ein Kameramodul, Servos (optional) usw Die Teilnehmer sind selbst für den Kauf dieser Komponenten verantwortlich Die verwendete Software beinhaltet OpenCV, Linux, Python, etc Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Installieren Sie Linux, OpenCV und andere Software-Hilfsprogramme und Bibliotheken auf einem Rasberry Pi Konfigurieren Sie OpenCV zum Erfassen und Erkennen von Gesichtsbildern Verstehen Sie die verschiedenen Möglichkeiten, ein Rasberry Pi-System für den Einsatz in realen Umgebungen zu verpacken Passen Sie das System für eine Vielzahl von Anwendungsfällen an, einschließlich Überwachung, Identitätsüberprüfung usw Publikum Entwickler Hardware- / Software-Techniker Technische Personen in allen Branchen Hobbyisten Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen Hinweis Andere Hardware- und Softwareoptionen umfassen: Arduino, OpenFace, Windows usw Wenn Sie eines dieser Produkte verwenden möchten, kontaktieren Sie uns bitte, um dies zu arrangieren .
14 Stunden
Überblick
Computer Vision ist ein Bereich, in dem nützliche Informationen aus digitalen Medien automatisch extrahiert, analysiert und verstanden werden. Python ist eine High-Level-Programmiersprache, die für ihre klare Syntax und Codelesbarkeit bekannt ist.
In diesem von Lehrern geführten Live-Training lernen die Teilnehmer die Grundlagen von Computer Vision kennen, während sie mit Python Reihe einfacher Computer Vision-Anwendungen erstellen.
Am Ende dieser Schulung können die Teilnehmer:
- Grundlegendes zu Computer Vision
- Verwenden Sie Python , um Computer Vision-Aufgaben zu implementieren
- Erstellen Sie eigene Systeme zur Gesichts-, Objekt- und Bewegungserkennung
Publikum
- Python Programmierer, die sich für Computer Vision interessieren
Format des Kurses
- Teilvorlesung, Teildiskussion, Übungen und viel praktisches Üben
In diesem von Lehrern geführten Live-Training lernen die Teilnehmer die Grundlagen von Computer Vision kennen, während sie mit Python Reihe einfacher Computer Vision-Anwendungen erstellen.
Am Ende dieser Schulung können die Teilnehmer:
- Grundlegendes zu Computer Vision
- Verwenden Sie Python , um Computer Vision-Aufgaben zu implementieren
- Erstellen Sie eigene Systeme zur Gesichts-, Objekt- und Bewegungserkennung
Publikum
- Python Programmierer, die sich für Computer Vision interessieren
Format des Kurses
- Teilvorlesung, Teildiskussion, Übungen und viel praktisches Üben
21 Stunden
Überblick
Deep Learning ist ein Teilgebiet des maschinellen Lernens. Es verwendet Methoden, die auf dem Lernen von Datendarstellungen und Strukturen wie neuronalen Netzen basieren.
Keras ist eine High-Level-API für neuronale Netze für schnelle Entwicklung und Experimente. Es läuft auf TensorFlow , CNTK oder Theano.
Dieses von Lehrern geleitete Live-Training (vor Ort oder per Fernzugriff) richtet sich an Entwickler, die ein selbstfahrendes Auto mit vertieften Lerntechniken bauen möchten.
Am Ende dieser Schulung können die Teilnehmer:
- Verwenden Sie Computer Vision-Techniken, um Fahrspuren zu identifizieren.
- Verwenden Sie Keras , um Faltungs-Neuronale Netze aufzubauen und zu trainieren.
- Trainieren Sie ein Deep-Learning-Modell, um Verkehrszeichen zu unterscheiden.
- Simulieren Sie ein völlig autonomes Auto.
Format des Kurses
- Interaktiver Vortrag und Diskussion.
- Viele Übungen und Übungen.
- Praktische Implementierung in einer Live-Laborumgebung.
Anpassungsoptionen für den Kurs
- Um ein individuelles Training für diesen Kurs anzufordern, kontaktieren Sie uns bitte, um dies zu arrangieren.
Keras ist eine High-Level-API für neuronale Netze für schnelle Entwicklung und Experimente. Es läuft auf TensorFlow , CNTK oder Theano.
Dieses von Lehrern geleitete Live-Training (vor Ort oder per Fernzugriff) richtet sich an Entwickler, die ein selbstfahrendes Auto mit vertieften Lerntechniken bauen möchten.
Am Ende dieser Schulung können die Teilnehmer:
- Verwenden Sie Computer Vision-Techniken, um Fahrspuren zu identifizieren.
- Verwenden Sie Keras , um Faltungs-Neuronale Netze aufzubauen und zu trainieren.
- Trainieren Sie ein Deep-Learning-Modell, um Verkehrszeichen zu unterscheiden.
- Simulieren Sie ein völlig autonomes Auto.
Format des Kurses
- Interaktiver Vortrag und Diskussion.
- Viele Übungen und Übungen.
- Praktische Implementierung in einer Live-Laborumgebung.
Anpassungsoptionen für den Kurs
- Um ein individuelles Training für diesen Kurs anzufordern, kontaktieren Sie uns bitte, um dies zu arrangieren.
14 Stunden
Überblick
This instructor-led, live training in Österreich (online or onsite) is aimed at software engineers who wish to program in Python with OpenCV 4 for deep learning.
By the end of this training, participants will be able to:
- View, load, and classify images and videos using OpenCV 4.
- Implement deep learning in OpenCV 4 with TensorFlow and Keras.
- Run deep learning models and generate impactful reports from images and videos.
By the end of this training, participants will be able to:
- View, load, and classify images and videos using OpenCV 4.
- Implement deep learning in OpenCV 4 with TensorFlow and Keras.
- Run deep learning models and generate impactful reports from images and videos.
14 Stunden
Überblick
This instructor-led, live training in Österreich (online or onsite) is aimed at developers who wish to build hardware-accelerated object detection and tracking models to analyze streaming video data.
By the end of this training, participants will be able to:
- Install and configure the necessary development environment, software and libraries to begin developing.
- Build, train, and deploy deep learning models to analyze live video feeds.
- Identify, track, segment and predict different objects within video frames.
- Optimize object detection and tracking models.
- Deploy an intelligent video analytics (IVA) application.
By the end of this training, participants will be able to:
- Install and configure the necessary development environment, software and libraries to begin developing.
- Build, train, and deploy deep learning models to analyze live video feeds.
- Identify, track, segment and predict different objects within video frames.
- Optimize object detection and tracking models.
- Deploy an intelligent video analytics (IVA) application.
7 Stunden
Überblick
This instructor-led, live training in Österreich (online or onsite) is aimed at back-end developers and data scientists who wish to incorporate pre-trained YOLO models into their enterprise-driven programs and implement cost-effective components for object-detection.
By the end of this training, participants will be able to:
- Install and configure the necessary tools and libraries required in object detection using YOLO.
- Customize Python command-line applications that operate based on YOLO pre-trained models.
- Implement the framework of pre-trained YOLO models for various computer vision projects.
- Convert existing datasets for object detection into YOLO format.
- Understand the fundamental concepts of the YOLO algorithm for computer vision and/or deep learning.
By the end of this training, participants will be able to:
- Install and configure the necessary tools and libraries required in object detection using YOLO.
- Customize Python command-line applications that operate based on YOLO pre-trained models.
- Implement the framework of pre-trained YOLO models for various computer vision projects.
- Convert existing datasets for object detection into YOLO format.
- Understand the fundamental concepts of the YOLO algorithm for computer vision and/or deep learning.
Zukünftige Computer Vision Kurse
2021-05-03 09:30:00
21 hours
2021-05-10 09:30:00
14 hours
2021-05-11 09:30:00
21 hours
2021-05-11 09:30:00
14 hours
2021-05-25 09:30:00
14 hours
Andere Länder
Consulting
Computer Vision Schulung, Computer Vision boot camp, Computer Vision Abendkurse, Computer Vision Wochenendkurse, Computer Vision Kurs, Computer Vision Training, Computer Vision Seminar, Computer Vision Seminare, Computer Vision Privatkurs, Computer Vision Coaching, Computer Vision Lehrer
.jpg "international air transport association (iata)")
.png "new york stock exchange (nyse)")
.png "european central bank (ecb)")
_ireland.gif "environmental protection agency (epa) ireland")
.jpg "european southern observatory (eso)")
.png "aeronautical radio, incorporated (arinc)"){kind=small}
