Курс за обучение по YOLOv7: Реално време Обектна детекция с Компютърно зрение

CANN SDK (Compute Architecture for Neural Networks) предоставя мощни инструменти за разграждане и оптимизация на реалновременни приложения с изкуствен интелект в областта на компютърното зрение и NLP, по-специално на хардуер Huawei Ascend.

Това обучение, водено от инструктор (онлайн или на място), е насочено към средно ниво специалисти в областта на изкуствения интелект, които искат да строят, разграждат и оптимизират модели за зрение и език, използвайки CANN SDK за производствени сценарии.

Към края на обучението участниците ще могат да:

• Разграждат и оптимизират модели за компютърно зрение и NLP, използвайки CANN и AscendCL.
• Използват инструментите на CANN за преобразуване на модели и интегриране в реални пайплайн-и.
• Оптимизират производителността на извода за задачи като детекция, класификация и анализ на настроения.
• Създават реалновременни пайплайн-и за компютърно зрение/NLP за сценарии на разграждане на ръб или в облака.

Формат на курса

• Интерактивна лекция и демонстрация.
• Лабораторно упражнение с разграждане на модели и профилиране на производителността.
• Дизайн на реален пайплайн, използвайки конкретни примери от компютърно зрение и NLP.

Опции за персонализация на курса

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

Този курс с инструктор, който се провежда на живо (онлайн или на място), е направен за разработчици на среден нив на изкуствен интелект и инженери на компютърно зрение, които искат да създават надеждни системи за зрение за приложения на автономно каране.

До края на този курс участниците ще бъдат в състояние да:

• Разберат основните концепции на компютърното зрение в автономни превозни средства.
• Имплементират алгоритми за откриване на обекти, откриване на ленти и семантично сегментиране.
• Интегрират системи за зрение с други подсистеми на автономни превозни средства.
• Прилагат техники на дълбоко обучение за напреднали задачи на възприемане.
• Оценят изпълнението на модели за компютърно зрение в реални сценарии.

Този обучаван от инструктор, жив тренинг в България (онлайн или на място), е насочен към продвинатите професионалисти, които желаят да усъвършенстват разбирането си за компютърното зрение и да изследват възможностите на TensorFlow за създаване на сложни модели за зрение, използвайки Google Colab.

По края на този тренинг, участниците ще могат да:

• Създават и обучават конволюционни невронни мрежи (CNN) с TensorFlow.
• Използват Google Colab за масштабируемо и ефективно развитие на модели в облака.
• Прилагат техники за предварителна обработка на снимки за задачи на компютърното зрение.
• Разпространяват модели за компютърно зрение за реални приложения.
• Използват преносимо обучение, за да подобрят ефективността на моделите CNN.
• Визуализират и тълкуват резултатите от модели за класификация на снимки.

Този обучение с инструктор, провеждано на живо (онлайн или на място) е предназначено за инженери на компютърно зрение на средно до напреднал ниво, разработчици на изкуствен интелигент и специалисти по IoT, които искат да имплементират и оптимизират модели за компютърно зрение за обработка в реално време на устройства с краен възел.

До края на това обучение участниците ще могат да:

• Разберат основните принципи на Edge AI и нейните приложения в компютърното зрение.
• Разпредят оптимизирани дълбоки обучаващи модели на устройства с краен възел за анализ на изображения и видео в реално време.
• Използват рамки като TensorFlow Lite, OpenVINO и NVIDIA Jetson SDK за разпредяване на модели.
• Оптимизират модели на изкуствен интелигент за производителност, ефективност на енергията и инференция с ниска закъснение.

Това обучение с инструктор, което се провежда на живо в България (онлайн или на място), е направено за началници от правоохранителните органи, които желаят да преминат от ръчно чертане на лица към използване на инструменти за изкуствен интелект за разработване на системи за разпознаване на лица.

Към края на това обучение участниците ще бъдат в състояние да:

• Разбират основите на Изкуствен интелигент и Машинно обучение.
• Научат основите на цифрова обработка на изображения и приложението им в разпознаването на лица.
• Развият умения в използването на инструменти и рамки за изкуствен интелект за създаване на модели за разпознаване на лица.
• Придобият практическо опит в създаването, обучението и тестването на системи за разпознаване на лица.
• Разбират етичните разсъждения и най-добрите практики при използването на технологии за разпознаване на лица.

Фижи е мощен пакет за обработка на изображения с отворен код, който обединява ImageJ (програма, проектирана за научни многомерни изображения) заедно с всеобхватен набор от приставки за анализ на научни изображения.

В това ръководено от инструктор живо обучение участниците ще научат как да използват дистрибуцията Фижи и нейната основна програма ImageJ, за да създадат надеждни приложения за анализ на изображения.

След завършване на това обучение участниците ще могат:

• Да използват разширените програмиращи възможности и софтуерни компоненти на Фижи, за да разширят възможностите на ImageJ
• Да свързват големи 3D изображения от прекрыващи се плочки
• Да автоматизират актуализацията на инсталацията на Фижи при стартиране чрез интегрираната система за актуализация
• Да избират от широк набор от езици за скриптове, за да създадат решения за анализ на изображения по поръчка
• Да използват мощните библиотеки на Фижи, като ImgLib, за ефективен обработка на големи набори от данни за биологични изображения
• Да внедряват приложенията си и да сътрудничат ефективно с други учени по подобни проекти

Формат на курса

• Интерактивна лекция и обсъждане
• Обширни упражнения и практически приложения
• Практическа реализация в среда на живо лаборатория

Възможности за персонализиране на курса

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

Това обучение под ръководството на инструктор (онлайн или на място) е насочено към начинаещи и средно ниво научни изследователи и лабораторни специалисти, които желаят да обработват и анализират изображения, свързани с истологични тъкани, кръвни клетки, водорасли и други биологични образци.

Край това обучение участниците ще могат да:

• Навигирам в интерфейса на Fiji и използвам основните функции на ImageJ.
• Подготовят и подобрят научните изображения за по-добър анализ.
• Анализират количествено изображения, включително броене на клетки и измерване на области.
• Автоматизирам повторящи се задачи чрез макроси и добавки.
• Приспособявам работните процеси за специфични нужди в биологичната изследователска дейност.

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.

Компютърното зрение е област, която включва автоматично извличане, анализ и разбиране на полезна информация от цифрови медии. Python е език за програмиране с високо ниво, известен с ясната си синтаксис и леснота за четене на кода.

В този курс с инструктор, участниците ще научат основните концепции на компютърното зрение, докато преминават през създаването на компютърни приложения за зрение с помощта на Python.

До края на този курс, участниците ще могат да:

• Разбират основните концепции на компютърното зрение
• Използват Python за изпълнение на задачи на компютърното зрение
• Създават свои собствени системи за разпознаване на лица, обекти и движение

Целева аудитория

• Програмисти на Python, интересуващи се от компютърното зрение

Формат на курса

• Част лекции, част дискусии, упражнения и тежки практични упражнения

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 обучение под ръководството на инструктор (онлайн или на място) е предназначено за средно ниво специалисти, които искат да използват Vision Builder AI за проектиране, имплементация и оптимизиране на автоматизирани системи за проверка при процесите SMT (Surface-Mount Technology).

По завършване на обучението участниците ще могат да:

• Настоят и конфигурират автоматизирани проверки с Vision Builder AI.
• Получават и предобработват висококачествени снимки за анализ.
• Реализират логически решения за детекция на дефекти и валидиране на процеси.
• Генерират доклади за проверка и оптимизират производителността на системата.

Това обучение с преподавател (онлайн или на място) е насочено към бекенд разработчици и данни учени, които желаят да инкорпорират преподучени модели YOLO в своите предприемачески програми и да имплементират ефективни компоненти за разпознаване на обекти.

Към края на това обучение, участниците ще могат да:

• Инсталират и конфигурират необходимите инструменти и библиотеки за разпознаване на обекти с YOLO.
• Персонализират Python приложения от командния ред, които работят базирани на преподучени модели YOLO.
• Имплементират рамката на преподучените модели YOLO за различни проекти в компютърното зрение.
• Преобразуват съществуващи набори от данни за разпознаване на обекти в формат YOLO.
• Разбират основните концепции на алгоритъма YOLO за компютърно зрение и/или дълбоко обучение.