Raspberry Pi + OpenCV for Facial Recognition Training Course

Raspberry Pi е много малък, единичен компютър.

В това обучение, ръководено от инструктори, участниците ще научат как да установят и програмират Raspberry Pi, за да служат като интерактивна и мощна вградена система.

В края на обучението участниците ще могат да:

• Създаване на IDE (интегрирана среда за развитие) за максимална производителност на развитието
• Програма Raspberry Pi за контрол на устройства като сензори за движение, аларми, уеб сървъри и принтери.
• Разбиране на Raspberry Pi's архитектура, включително вход и връзки за добавки устройства.
• Разбиране на различните възможности в програмен език и операционни системи
• Тествайте, дебютирайте и разпространявайте Raspberry Pi, за да разрешите реалните проблеми в света.

публиката

• Разработчиците
• Софтуерни и хардуерни инженери
• Технически лица във всички отрасли
• Хобистите

Формат на курса

• Частна лекция, частна дискусия, упражнения и тежка практика

Забележка

• Raspberry Pi Поддържа различни операционни системи и езици за програмиране. Този курс ще използва Raspbian като операционна система и Python като език за програмиране. За да поискате конкретна настройка, моля, свържете се с нас, за да организирате.
• Участниците са отговорни за закупуването на Raspberry Pi хардуера и компоненти.

Интернет на нещата (IoT) е мрежова инфраструктура, която свързва физически обекти и софтуерни приложения безжично, позволявайки им да комуникират помежду си и да обменят данни чрез мрежови комуникации, облачни изчисления и събиране на данни.

В това обучение на живо, ръководено от инструктор, участниците ще научат основите на IoT, докато преминават през създаването на IoT сензорна система, използвайки Raspberry Pi.

До края на това обучение участниците ще могат:

Разберете принципите на IoT, включително IoT компоненти и комуникационни техники Научете как да настроите Raspberry Pi специално за IoT приложения Изграждане и внедряване на собствена IoT сензорна система

Публика

Любители Хардуерни/софтуерни инженери и техници Технически лица във всички индустрии Начинаещи разработчици

Формат на курса

Част лекция, част дискусия, упражнения и тежка практическа практика

Забележка

Raspberry Pi поддържа различни операционни системи и езици за програмиране. Този курс ще използва базиран на Linux Raspbian като операционна система и Python като език за програмиране. За да заявите конкретна настройка, моля свържете се с нас, за да уговорим. Участниците са отговорни за закупуването на Raspberry Pi хардуера и компонентите.

Интернет на нещата (IoT) е мрежова инфраструктура, която свързва физически обекти и софтуерни приложения безжично, позволявайки им да комуникират помежду си и да обменят данни чрез мрежови комуникации, облачни изчисления и събиране на данни. Python е език за програмиране от високо ниво, препоръчан за IoT поради ясния си синтаксис и голяма поддръжка от общността.

В това обучение на живо, ръководено от инструктор, участниците ще се научат как да програмират IoT решения с Python.

До края на това обучение участниците ще могат:

Разберете основите на IoT архитектурата Научете основите на използването на Raspberry Pi Инсталирайте и конфигурирайте Python на Raspberry Pi Научете предимствата от използването на Python в програмирането на IoT системи Изградете, тествайте, разположете и отстранете неизправности в IoT система с помощта на Python и Raspberry Pi

Публика

Разработчици Инженери

Формат на курса

Част лекция, част дискусия, упражнения и тежка практическа практика

Забележка

За да поискате персонализирано обучение за този курс, моля свържете се с нас, за да уговорим.

OpenFace е базиран на Python и Torch софтуер с отворен код за лицево разпознаване в реално време, базиран на изследването на Google FaceNet.

В това обучение на живо, ръководено от инструктор, участниците ще се научат как да използват компонентите на OpenFace, за да създадат и внедрят примерно приложение за лицево разпознаване.

До края на това обучение участниците ще могат:

Работете с компонентите на OpenFace, включително dlib, OpenVC, Torch и nn4, за да реализирате разпознаване на лица, подравняване и трансформация Прилагайте OpenFace към приложения от реалния свят като наблюдение, проверка на самоличността, виртуална реалност, игри и идентифициране на повтарящи се клиенти и т.н. .

Публика

Разработчици Учени по данни

Формат на курса

Част лекция, част дискусия, упражнения и тежка практическа практика

OpenCV (Библиотека за компютърно зрение с отворен код: http://opencv.org) е библиотека с отворен код, лицензирана за BSD, която включва няколко стотици алгоритми за компютърно зрение.

Публика

Този курс е насочен към инженери и архитекти, които искат да използват OpenCV за проекти за компютърно зрение

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към софтуерни инженери, които желаят да програмират в Python с OpenCV 4 за задълбочено обучение.

До края на това обучение участниците ще могат:

• Преглеждайте, зареждайте и класифицирайте изображения и видеоклипове с помощта на OpenCV 4.
• Приложете дълбоко обучение в OpenCV 4 с TensorFlow и Keras.
• Изпълнявайте модели за дълбоко обучение и генерирайте въздействащи отчети от изображения и видеоклипове.

Caffe е рамка за дълбоко обучение, създадена с мисъл за изразяване, скорост и модулност.

Този курс изследва приложението на Caffe като рамка за задълбочено обучение за разпознаване на изображения, използвайки MNIST като пример

Публика

Този курс е подходящ за Deep Learning изследователи и инженери, които се интересуват от използването на Caffe като рамка.

След завършване на този курс делегатите ще могат да:

разбиране на структурата и механизмите за внедряване на Caffe изпълнява задачи по инсталация/производствена среда/архитектура и конфигурация оценява качеството на кода, извършва отстраняване на грешки, мониторинг прилага разширено производство като модели за обучение, прилагане на слоеве и регистриране

Marvin е разширяема, междуплатформена рамка за обработка на изображения и видео с отворен код, разработена в Java. Разработчиците могат да използват Marvin, за да манипулират изображения, да извличат характеристики от изображения за задачи за класификация, да генерират цифри алгоритмично, да обработват набори от данни за видеофайлове и да настройват автоматизация на единичен тест.

Някои от видео приложенията на Marvin включват филтриране, добавена реалност, проследяване на обекти и откриване на движение.

В този воден от инструктор, участниците на живо ще научат принципите на анализ на изображения и видео и ще използват Marvin рамката и нейните алгоритми за обработка на изображения, за да създадат свои собствени приложения.

Формат на курса

Първо се въвеждат основните принципи на анализ на изображения, видео анализ и Marvin Framework. На учениците се дават задачи, базирани на проекти, които им позволяват да практикуват научените концепции. До края на класа участниците ще са разработили свое собствено приложение, използвайки Marvin Framework и библиотеки.

Компютърното зрение е област, която включва автоматично извличане, анализиране и разбиране на полезна информация от цифрови медии. Python е език за програмиране на високо ниво, известен със своя ясен синтаксис и четливост на кода.

В това обучение на живо, водено от инструктор, участниците ще научат основите на компютърното зрение, докато преминават през създаването на набор от прости приложения за компютърно зрение с помощта на Python.

До края на това обучение участниците ще могат:

Разберете основите на компютърното зрение Използвайте Python за изпълнение на задачи за компютърно зрение Изградете свои собствени системи за откриване на лица, обекти и движение

Публика

Python програмисти, интересуващи се от компютърно зрение

Формат на курса

Част лекция, част дискусия, упражнения и тежка практическа практика

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към разработчици, които желаят да създадат самоуправляваща се кола, използвайки техники за дълбоко обучение.

До края на това обучение участниците ще могат:

• Използвайте Keras за изграждане и обучение на конволюционна невронна мрежа.
• Използвайте техники за компютърно зрение, за да идентифицирате лентите в проект за автономно шофиране.
• Обучете модел за задълбочено обучение, за да различавате пътните знаци.
• Симулирайте напълно автономна кола.

SimpleCV е рамка с отворен код — което означава, че е колекция от библиотеки и софтуер, които можете да използвате за разработване на приложения за визуализация. Позволява ви да работите с изображения или видео потоци, които идват от уеб камери, Kinects, FireWire и IP камери или мобилни телефони. Помага ви да изградите софтуер, който да накара различните ви технологии не само да виждат света, но и да го разбират.

Публика

Този курс е насочен към инженери и разработчици, които искат да разработват приложения за компютърно зрение със SimpleCV.

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към разработчици, които желаят да създадат хардуерно ускорени модели за откриване и проследяване на обекти, за да анализират поточни видео данни.

До края на това обучение участниците ще могат:

• Инсталирайте и конфигурирайте необходимата среда за разработка, софтуер и библиотеки, за да започнете разработката.
• Изграждайте, обучавайте и внедрявайте модели за дълбоко обучение, за да анализирате видео емисии на живо.
• Идентифицирайте, проследявайте, сегментирайте и предвиждайте различни обекти във видео кадри.
• Оптимизирайте моделите за откриване и проследяване на обекти.
• Внедрете приложение за интелигентен видео анализ (IVA).

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към бекенд разработчици и учени по данни, които желаят да включат предварително обучени YOLO модели в своите корпоративни програми и да внедрят рентабилни компоненти за обектно- откриване.

До края на това обучение участниците ще могат:

• Инсталирайте и конфигурирайте необходимите инструменти и библиотеки, необходими за откриване на обекти с помощта на YOLO.
• Персонализирайте Python приложения от командния ред, които работят въз основа на предварително обучени модели на YOLO.
• Внедрете рамката на предварително обучени YOLO модели за различни проекти за компютърно зрение.
• Конвертирайте съществуващите набори от данни за откриване на обекти във формат YOLO.
• Разберете основните концепции на алгоритъма YOLO за компютърно зрение и/или дълбоко обучение.

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към разработчици на средно до напреднало ниво, изследователи и специалисти по данни, които искат да се научат как да прилагат откриване на обекти в реално време с помощта на YOLOv7.

До края на това обучение участниците ще могат:

• Разберете основните концепции за откриване на обекти.
• Инсталирайте и конфигурирайте YOLOv7 за задачи за откриване на обекти.
• Обучете и тествайте персонализирани модели за откриване на обекти с помощта на YOLOv7.
• Интегрирайте YOLOv7 с други рамки и инструменти за компютърно зрение.
• Отстраняване на често срещани проблеми, свързани с внедряването на YOLOv7.

Pattern Matching е техника, използвана за локализиране на определени модели в изображение. Може да се използва за определяне на съществуването на определени характеристики в заснето изображение, например очаквания етикет върху дефектен продукт във фабрична линия или определените размери на компонент. Той е различен от "Pattern Recognition" (който разпознава общи модели, базирани на по-големи колекции от свързани проби) по това, че конкретно диктува какво търсим, след което ни казва дали очакваният модел съществува или не.

Този курс представя подходите, технологиите и алгоритмите, използвани в областта на съпоставянето на шаблони, както се прилага към Machine Vision.