
Helyi, oktatott élő számítógépes képzési tanfolyamok interaktív megbeszélésen keresztül bemutatják a Computer Vision alapjait, és a résztvevők egyszerűen megtekinthessék az egyszerű Computer Vision alkalmazások létrehozását A Computer Vision képzések "on-site élő képzés" vagy "távoli élő képzés" formájában érhetők el A helyszíni élő képzés helyi szinten valósulhat meg az ügyfél telephelyén Magyarország vagy a NobleProg vállalati oktatóközpontjaiban Magyarország A távoli élőképzés interaktív, távoli asztal segítségével történik NobleProg Az Ön Helyi Képzési Szolgáltatója.
Machine Translated
Vélemények
Tényleg élveztem a gyakorlati megközelítést.
Kevin De Cuyper
Kurzus: Computer Vision with OpenCV
Machine Translated
A VideoCapture funkció egyszerű használata a laptopok fényképezőgépről történő felvételéhez.
HP Printing and Computing Solutions, Sociedad Limitada Unipe
Kurzus: Computer Vision with OpenCV
Machine Translated
Nagyon élveztem az edző tanácsait arról, hogyan kell használni az eszközöket. Ez valami, amit nem lehet az internetről kapni, és nagyon hasznos.
HP Printing and Computing Solutions, Sociedad Limitada Unipe
Kurzus: Computer Vision with OpenCV
Machine Translated
Nagyon élveztem az edző tanácsait arról, hogyan kell használni az eszközöket. Ez valami, amit nem lehet az internetről kapni, és nagyon hasznos.
HP Printing and Computing Solutions, Sociedad Limitada Unipe
Kurzus: Computer Vision with OpenCV
Machine Translated
Könnyen követhető volt.
HP Printing and Computing Solutions, Sociedad Limitada Unipe
Kurzus: Computer Vision with OpenCV
Machine Translated
Computer Vision Subcategories
Computer Vision Course Outlines
Ez a kurzus a Caffe alkalmazásának mélyreható tanulási keretrendszerét vizsgálja a képfelismeréshez MNIST példaként
Közönség
Ez a kurzus alkalmas a Deep Learning kutatók és mérnökök számára, akik érdeklődnek a Caffe keretrendszerének felhasználásáról.
A kurzus befejezése után a küldöttek:
- megértsék a Caffe szerkezetét és a telepítési mechanizmusokat
- telepítési / gyártási környezet / architektúra feladatokat és konfigurációt végez
- a kód minőségének értékelése, hibakeresés, monitorozás
- fejlett gyártást, például képzési modelleket, rétegeket és naplózást valósít meg
A Marvin néhány videoalkalmazása magában foglalja a szűrést, a kibővített valóságot, az objektumkövetést és a mozgásérzékelést.
Ebben az oktató által vezetett élő kurzus résztvevői megtanulják a kép- és videóanalízis alapelveit, és felhasználják a Marvin Framework-t és annak képfeldolgozó algoritmusait saját alkalmazásuk felépítéséhez.
A tantárgy formátuma
- Elsőként bemutatják a képanalízis, a Marvin és a Marvin keretrendszer alapelveit. A hallgatók projekt alapú feladatokat kapnak, amelyek lehetővé teszik számukra a megtanult fogalmak gyakorlását. Az osztály végére a résztvevők kidolgozzák saját alkalmazásukat a Marvin keretrendszer és a könyvtárak segítségével.
Közönség
Ez a kurzus azokra a mérnökökre és építészekre irányul, akik az OpenCV használják számítógépes látásmód projektek számára
This instructor-led, live training (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.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
A tantárgy formátuma
- Ez a tanfolyam bemutatja a mintázat-illesztés területén alkalmazott megközelítéseket, technológiákat és algoritmusokat, ahogy ez a Machine Vision .
Ebben az oktató által vezetett, élő képzésen a résztvevők megtanulják a Computer Vision alapjait, miközben a Python használatával létrehoznak egy egyszerű Computer Vision alkalmazást.
A képzés végére a résztvevők képesek lesznek:
- Ismerje meg a Computer látás alapjait
- A Python használatával hajtsa végre a Computer Vision feladatokat
- Készítsen saját arc-, tárgy- és mozgásérzékelő rendszert
Közönség
- Python Computer látás iránt érdeklődő Python programozók
A tantárgy formátuma
- Részleges előadás, részleges beszélgetés, gyakorlatok és nehéz gyakorlati gyakorlat
Keras egy magas szintű ideghálózati API a gyors fejlesztéshez és kísérletezéshez. A TensorFlow , CNTK vagy CNTK tetején fut.
Ez az oktató által vezetett, élő képzés (helyszíni vagy távoli) azon fejlesztőknek szól, akik önálló vezetésű autót akarnak készíteni mély tanulási technikák segítségével.
A képzés végére a résztvevők képesek lesznek:
- Használjon számítógépes látástechnikákat a sávok azonosításához.
- Használjon Keras t konvolúciós neurális hálózatok felépítéséhez és kiképzéséhez.
- Képzzen egy mély tanulási modellt a közlekedési táblák megkülönböztetésére.
- Szimulálja a teljesen autonóm autót.
A tantárgy formátuma
- Interaktív előadás és beszélgetés.
- Sok gyakorlat és gyakorlat.
- Gyakorlati megvalósítás élő laboratóriumi környezetben.
Tanfolyam testreszabási lehetőségek
- Ha személyre szabott képzést szeretne kérni erre a kurzusra, kérjük vegye fel velünk a kapcsolatot, hogy megbeszélést szervezzen.
Közönség
Ez a kurzus olyan mérnökökre és fejlesztőkre irányul, akik számítógépes látásalkalmazásokat kívánnak fejleszteni a SimpleCV-vel.
This instructor-led, live training (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.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
This instructor-led, live training (online or onsite) is aimed at backend 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.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.