Computer Vision Schulungen

Caffe ist ein tiefgründiger Lernrahmen, der Ausdruck, Schnelligkeit und Modularität bietet Dieser Kurs untersucht die Anwendung von Caffe als Deep-Learning-Framework für die Bilderkennung am Beispiel von MNIST Publikum Dieser Kurs eignet sich für Deep Learning-Forscher und Ingenieure, die Caffe als Framework nutzen möchten Nach Abschluss dieses Kurses können die Delegierten: verstehe Caffes Struktur und Einsatzmechanismen Ausführen von Installations- / Produktionsumgebungs- / Architekturaufgaben und -konfigurationen bewerten Sie die Codequalität, führen Sie Debugging durch, überwachen Sie Implementierung fortgeschrittener Produktion wie Trainingsmodelle, Implementierung von Layern und Protokollierung .

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 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.

Audience
Software developers wishing to utilize a rich, plug-in based open-source framework to create image and video processing applications

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.

OpenCV (Open Source Computer Vision Bibliothek: http://opencvorg) ist eine Open Source BSDlicensed Library, die mehrere hundert Computer Vision Algorithmen enthält Publikum Dieser Kurs richtet sich an Ingenieure und Architekten, die OpenCV für Computer Vision-Projekte nutzen möchten .

Pattern Matching ist eine Technik, um bestimmte Muster innerhalb eines Bildes zu lokalisieren Es kann verwendet werden, um das Vorhandensein bestimmter Merkmale innerhalb eines erfassten Bildes zu bestimmen, z B das erwartete Etikett eines fehlerhaften Produkts in einer Fertigungslinie oder die angegebenen Abmessungen einer Komponente Es unterscheidet sich von der "Mustererkennung" (die allgemeine Muster erkennt, die auf größeren Sammlungen verwandter Muster basieren), indem sie spezifisch diktiert, wonach wir suchen, und uns dann sagt, ob das erwartete Muster existiert oder nicht Publikum Ingenieure und Entwickler, die Bildverarbeitungsanwendungen entwickeln möchten Fertigungsingenieure, Techniker und Manager Format des Kurses In diesem Kurs werden die Ansätze, Technologien und Algorithmen vorgestellt, die im Bereich Pattern Matching für Machine Vision Anwendung finden .

Computer Vision ist ein Feld, das das automatische Extrahieren, Analysieren und Verstehen nützlicher Informationen aus digitalen Medien beinhaltet Python ist eine Highlevel-Programmiersprache, die für ihre klare Syntax und Code-Lesbarkeit bekannt ist In diesem instruierten Live-Training lernen die Teilnehmer die Grundlagen von Computer Vision, während sie die Erstellung einer Reihe von einfachen Computer Vision-Anwendungen mit Python durchlaufen Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Verstehen Sie die Grundlagen von Computer Vision Verwenden Sie Python, um Computer Vision-Aufgaben zu implementieren Erstellen Sie eigene Gesichtserkennungs-, Objekt- und Bewegungserkennungssysteme Publikum Python-Programmierer interessieren sich für Computer Vision Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen .

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 .

SimpleCV ist ein Open-Source-Framework - was bedeutet, dass es sich um eine Sammlung von Bibliotheken und Software handelt, mit der Sie Vision-Anwendungen entwickeln können Sie können mit den 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 nicht nur die Welt sehen, sondern sie auch verstehen Publikum Dieser Kurs richtet sich an Ingenieure und Entwickler, die Computer Vision Anwendungen mit SimpleCV entwickeln möchten .