Computer Vision with Python Treningskurs
Computer Vision er et felt som innebærer automatisk å trekke ut, analysere og forstå nyttig informasjon fra digitale medier. Python er et programmeringsspråk på høyt nivå kjent for sin klare syntaks og kodelesbarhet.
I denne instruktørledede, liveopplæringen, vil deltakerne lære det grunnleggende om Computer Vision når de går gjennom opprettelsen av et sett med enkel Computer Vision-applikasjon ved hjelp av Python .
Ved slutten av denne opplæringen vil deltakerne kunne:
- Forstå det grunnleggende om Computer Vision
- Bruke Python til å implementere Computer Vision-oppgaver
- Bygge sine egne systemer for ansikts-, objekt- og bevegelsesdeteksjon
Publikum
- Python-programmerere som er interessert i Computer Vision
Kursets format
- Delvis forelesning, delvis diskusjon, øvelser og mye praktisk trening
Kursplan
Introduksjon
Forstå Computer Vision Grunnleggende
Installere OpenCV med Python wrappers
Introduksjon til bruk av OpenCV
Bruke media med Python
- Laste inn bilder
- Konvertere farge til gråskala
- Bruke metadata
Bruk av bildeteori med Python
- Forstå bilder som multidimensjonale arrays
- Forstå fargerommet
- Oversikt over piksler og koordinater
- Accessing av piksler
- Endre piksler i bilder
- Tegne linjer og former
- Påføre tekst på bilder
- Endre størrelse på bilder
- Beskjære bilder
Utforsking av vanlige Computer Vision algoritmer og metoder
- Terskelverdier
- Finne konturer
- Bakgrunnsubtraksjon
- Bruke detektorer
Implementering av funksjonsutvinning med Python
- Bruke funksjonsvektorer
- Forstå farge-gjennomsnitt funksjons teori
- Utvinne histogramfunksjoner
- Utvinne gråskala histogramfunksjoner
- Utvinne teksturfunksjoner
Implementering av en app for å oppdage bildelikhet
Implementering av en omvendt bildemotor Search
Opprette en objektgjenkjenningsapp ved hjelp av malmatching
Opprette en ansiktsgjenkjenningsapp ved hjelp av Haar Cascade
Implementere en objektgjenkjenningsapp ved hjelp av nøkkelpunkter
Ta opp og behandle video gjennom et webkamera
Opprette et bevegelsesdeteksjonssystem
Feilsøking
Oppsummering og konklusjon
Krav
- Programming erfaring med Python
Open Training Courses require 5+ participants.
Computer Vision with Python Treningskurs - Booking
Computer Vision with Python Treningskurs - Enquiry
Computer Vision with Python - Consultancy Enquiry
Consultancy Enquiry
Testimonials (1)
Trainer was very knowlegable and very open to feedback on what pace to go through the content and the topics we covered. I gained alot from the training and feel like I now have a good grasp of image manipulation and some techniques for building a good training set for an image classification problem.
Anthea King - WesCEF
Kurs - Computer Vision with Python
Upcoming Courses
Relaterte kurs
Scaling Data Analysis with Python and Dask
14 timerDenne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot dataforskere og programvareingeniører som ønsker å bruke Dask med Python-økosystemet for å bygge, skalere og analysere store datasett.
Ved slutten av denne opplæringen vil deltakerne kunne:
- Sett opp miljøet for å begynne å bygge stordatabehandling med Dask og Python.
- Utforsk funksjonene, bibliotekene, verktøyene og APIene som er tilgjengelige i Dask.
- Forstå hvordan Dask akselererer parallell databehandling i Python.
- Lær hvordan du skalerer Python-økosystemet (Numpy, SciPy og Pandas) ved hjelp av Dask.
- Optimaliser Dask-miljøet for å opprettholde høy ytelse ved håndtering av store datasett.
Data Analysis with Python, Pandas and Numpy
14 timerThis instructor-led, live training in Norge (online or onsite) is aimed at intermediate-level Python developers and data analysts who wish to enhance their skills in data analysis and manipulation using Pandas and NumPy.
By the end of this training, participants will be able to:
- Set up a development environment that includes Python, Pandas, and NumPy.
- Create a data analysis application using Pandas and NumPy.
- Perform advanced data wrangling, sorting, and filtering operations.
- Conduct aggregate operations and analyze time series data.
- Visualize data using Matplotlib and other visualization libraries.
- Debug and optimize their data analysis code.
AI Facial Recognition Development for Law Enforcement
21 timerDenne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot lovhåndhevelsespersonell på nybegynnernivå som ønsker å gå over fra manuell ansiktsskisse til bruk av AI-verktøy for å utvikle ansiktsgjenkjenningssystemer.
Ved slutten av denne opplæringen vil deltakerne kunne:
- Forstå det grunnleggende om kunstig intelligens og Machine Learning.
- Lær det grunnleggende om digital bildebehandling og dens bruk i ansiktsgjenkjenning.
- Utvikle ferdigheter i å bruke AI-verktøy og rammeverk for å lage ansiktsgjenkjenningsmodeller.
- Få praktisk erfaring med å lage, trene og teste ansiktsgjenkjenningssystemer.
- Forstå etiske hensyn og beste praksis ved bruk av ansiktsgjenkjenningsteknologi.
Fiji: Introduction to Scientific Image Processing
21 timerFiji er en åpen kildekode bildebehandlingspakke som pakker ImageJ (et bildebehandlingsprogram for vitenskapelige flerdimensjonale bilder) og en rekke plugins for vitenskapelig bildeanalyse.
I denne instruktørledede, live-opplæringen vil deltakerne lære å bruke Fiji-distribusjonen og dets underliggende ImageJ-program for å lage en bildeanalyseapplikasjon.
Ved slutten av denne opplæringen vil deltakerne kunne:
- Bruk Fijis avanserte programmeringsfunksjoner og programvarekomponenter for å utvide ImageJ
- Sy store 3D-bilder fra overlappende fliser
- Oppdater automatisk en Fiji-installasjon ved oppstart ved hjelp av det integrerte oppdateringssystemet
- Velg fra et bredt utvalg av skriptspråk for å bygge tilpassede bildeanalyseløsninger
- Bruk Fijis kraftige biblioteker, som ImgLib på store biobildedatasett
- Distribuer applikasjonen deres og samarbeid med andre forskere om lignende prosjekter
Kursets format
- Interaktivt foredrag og diskusjon.
- Mye øvelser og trening.
- Praktisk implementering i et live-lab-miljø.
Alternativer for kurstilpasning
- For å be om en tilpasset opplæring for dette kurset, vennligst kontakt oss for å avtale.
Fiji: Image Processing for Biotechnology and Toxicology
14 timerDenne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot forskere på nybegynnernivå til mellomnivå og laboratoriefagfolk som ønsker å behandle og analysere bilder relatert til histologisk vev, blodceller, alger og andre biologiske prøver.
Ved slutten av denne opplæringen vil deltakerne kunne:
- Naviger i Fiji-grensesnittet og bruk ImageJs kjernefunksjoner.
- Forbehandle og forbedre vitenskapelige bilder for bedre analyse.
- Analyser bilder kvantitativt, inkludert celletelling og arealmåling.
- Automatiser repeterende oppgaver ved hjelp av makroer og plugins.
- Tilpass arbeidsflyter for spesifikke bildeanalysebehov i biologisk forskning.
Accelerating Python Pandas Workflows with Modin
14 timerDenne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot dataforskere og utviklere som ønsker å bruke Modin til å bygge og implementere parallelle beregninger med Pandas for raskere dataanalyse.
Ved slutten av denne opplæringen vil deltakerne kunne:
- Sett opp det nødvendige miljøet for å begynne å utvikle Pandas arbeidsflyter i skala med Modin.
- Forstå funksjonene, arkitekturen og fordelene ved Modin.
- Kjenn forskjellene mellom Modin, Dask og Ray.
- Utfør Pandas operasjoner raskere med Modin.
- Implementer hele Pandas API og funksjoner.
Computer Vision with OpenCV
28 timerOpenCV (Open Source Computer Vision Library: http://opencv.org) er et åpen kildekode BSD-lisensiert bibliotek som inkluderer flere hundrevis av datasynsalgoritmer.
Publikum
Dette kurset er rettet mot ingeniører og arkitekter som ønsker å bruke OpenCV til datasynsprosjekter
Python and Deep Learning with OpenCV 4
14 timerDenne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot programvareingeniører som ønsker å programmere i Python med OpenCV 4 for dyp læring.
Ved slutten av denne opplæringen vil deltakerne kunne:
- Se, last inn og klassifiser bilder og videoer ved å bruke OpenCV 4.
- Implementer dyp læring i OpenCV 4 med TensorFlow og Keras.
- Kjør dyplæringsmodeller og generer effektive rapporter fra bilder og videoer.
OpenFace: Creating Facial Recognition Systems
14 timerOpenFace er Python og Torch basert åpen kildekode, sanntids ansiktsgjenkjenningsprogramvare basert på Googles FaceNet-forskning.
I denne instruktørledede, live-opplæringen vil deltakerne lære hvordan de bruker OpenFaces komponenter til å lage og distribuere en prøveapplikasjon for ansiktsgjenkjenning.
Ved slutten av denne opplæringen vil deltakerne kunne:
- Arbeid med OpenFaces komponenter, inkludert dlib, OpenVC, Torch og nn4 for å implementere ansiktsgjenkjenning, justering og transformasjon
- Bruk OpenFace på applikasjoner fra den virkelige verden som overvåking, identitetsverifisering, virtuell virkelighet, spill og identifisering av gjentakende kunder, etc.
Publikum
- Utviklere
- Dataforskere
Format på kurset
- Del forelesning, del diskusjon, øvelser og tung praktisk praksis
Pattern Matching
14 timerPattern Matching er en teknikk som brukes til å lokalisere spesifiserte mønstre i et bilde. Den kan brukes til å bestemme eksistensen av spesifiserte egenskaper i et tatt bilde, for eksempel forventet etikett på et defekt produkt i en fabrikklinje eller de spesifiserte dimensjonene til en komponent. Det er forskjellig fra "Pattern Recognition" (som gjenkjenner generelle mønstre basert på større samlinger av relaterte prøver) ved at det spesifikt dikterer hva vi leter etter, og deretter forteller oss om det forventede mønsteret eksisterer eller ikke.
Kursets format
- Dette kurset introduserer tilnærmingene, teknologiene og algoritmene som brukes innen mønstertilpasning slik det gjelder Machine Vision.
Raspberry Pi + OpenCV for Facial Recognition
21 timerDenne instruktørledede, live-opplæringen introduserer programvaren, maskinvaren og trinn-for-trinn-prosessen som trengs for å bygge et ansiktsgjenkjenningssystem fra bunnen av. Ansiktsgjenkjenning er også kjent som Face Recognition.
Maskinvaren som brukes i denne laboratoriet inkluderer Rasberry Pi, en kameramodul, servoer (valgfritt) osv. Deltakerne er selv ansvarlige for å kjøpe disse komponentene. Programvaren som brukes inkluderer OpenCV, Linux, Python osv.
Ved slutten av denne opplæringen vil deltakerne kunne:
- Installer Linux, OpenCV og andre programvareverktøy og biblioteker på en Rasberry Pi.
- Konfigurer OpenCV for å ta og oppdage ansiktsbilder.
- Forstå de ulike alternativene for å pakke et Rasberry Pi-system for bruk i virkelige miljøer.
- Tilpass systemet for en rekke brukssaker, inkludert overvåking, identitetsverifisering, etc.
Format på kurset
- Del forelesning, del diskusjon, øvelser og tung praktisk praksis
Note
- Andre maskinvare- og programvarealternativer inkluderer: Arduino, OpenFace, Windows, etc. Hvis du ønsker å bruke noen av disse, vennligst kontakt oss for å avtale.
Scilab
14 timerScilab er et velutviklet, gratis og åpen kildekode høynivåspråk for vitenskapelig datamanipulering. Brukt til statistikk, grafikk og animasjon, simulering, signalbehandling, fysikk, optimalisering og mer, er dens sentrale datastruktur matrisen, og forenkler mange typer problemer sammenlignet med alternativer som FORTRAN og C-derivater. Den er kompatibel med språk som C, Java og Python, noe som gjør den egnet for bruk som et supplement til eksisterende systemer.
I denne instruktørledede opplæringen vil deltakerne lære fordelene med Scilab sammenlignet med alternativer som Matlab, det grunnleggende om Scilab-syntaksen samt noen avanserte funksjoner, og grensesnitt med andre mye brukte språk, avhengig av etterspørsel. Kurset avsluttes med et kort prosjekt med fokus på bildebehandling.
Ved slutten av denne opplæringen vil deltakerne ha en forståelse av de grunnleggende funksjonene og noen avanserte funksjoner til Scilab, og ha ressursene til å fortsette å utvide kunnskapen sin.
Publikum
- Datavitere og ingeniører, spesielt med interesse for bildebehandling og ansiktsgjenkjenning
Format på kurset
- Delforelesning, deldiskusjon, øvelser og intensiv praktisk praksis, med sluttprosjekt
Vision Builder for Automated Inspection
35 timerDette instructorledede, live treningen i Norge (online eller på stedet) er rettet mot mellomtrinnspersoner som ønsker å bruke Vision Builder AI til å designe, implementere og optimere automatiserte inspeksjonsystemer for SMT (Surface-Mount Technology) prosesser.
Ved sluttet av denne treningen vil deltakerne kunne:
- Sette opp og konfigurere automatiserte inspeksjoner ved hjelp av Vision Builder AI.
- Få tak i og forbehandle høykvalitetsbilder for analyse.
- Implementere logikkbaserte beslutninger for feilopptegning og prosessverifisering.
- Generere inspeksjonsrapporter og optimere systemytelse.