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
Trainer nagyon knowlegable és nagyon nyitott a visszajelzést, hogy milyen ütemben megy keresztül a tartalom és a témák is érintett. Sokat nyertem a képzés, és úgy érzem, most már egy jó megérteni a képmanipuláció és néhány technikát épület egy jó képzési meg egy kép osztályozási probléma.
Anthea King - WesCEF
Kurzus: Computer Vision with Python
Machine Translated
Computer Vision Subcategories
Computer Vision Course Outlines
Kurzusnév
Időtartalma
Összefoglaló
Kurzusnév
Időtartalma
Összefoglaló
28 hours
Összefoglaló
OpenCV (Open Source Computer Vision Library: http://opencv.org) is an open-source BSD-licensed library that includes several hundreds of computer vision algorithms.
Audience
This course is directed at engineers and architects seeking to utilize OpenCV for computer vision projects
Audience
This course is directed at engineers and architects seeking to utilize OpenCV for computer vision projects
14 hours
Összefoglaló
A SimpleCV egy nyílt forráskódú keret, ami azt jelenti, hogy könyvtárak és szoftverek gyűjteménye, amelyeket a látásalkalmazások fejlesztésére használhat. Lehetővé teszi a webkamerákból, Kinect-ekből, FireWire és IP-kamerákból vagy mobiltelefonokból származó képeket vagy videófolyamokat. Ez segít a szoftverek megalkotásában, hogy a különböző technológiák ne csak a világot láthassák, hanem azt is megértsék.
Közönség
Ez a kurzus olyan mérnökökre és fejlesztőkre irányul, akik számítógépes látásalkalmazásokat kívánnak fejleszteni a SimpleCV-vel.
Közönség
Ez a kurzus olyan mérnökökre és fejlesztőkre irányul, akik számítógépes látásalkalmazásokat kívánnak fejleszteni a SimpleCV-vel.
21 hours
Összefoglaló
Caffe egy mély tanulási keretrendszer, melyet kifejezést, sebességet és modularitást szem előtt tartanak.
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
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
14 hours
Összefoglaló
A mintaegyeztetés egy olyan módszer, amellyel meghatározzák a képen meghatározott mintákat. Ez felhasználható annak meghatározására, hogy a rögzített képen belül vannak-e meghatározott jellemzők, például a hibás termék várt címkéje a gyári sorban vagy az alkatrész meghatározott méretei. Ez különbözik a " Pattern Recognition " -től (amely a kapcsolódó minták nagyobb gyűjteményein alapuló általános mintákat ismeri fel) abban, hogy kifejezetten diktálja, mit keresünk, majd megmondja nekünk, hogy a várt minta létezik-e vagy sem.
A tantárgy formátuma
- Ez a tanfolyam bemutatja a mintázat-illesztés területén alkalmazott megközelítéseket, technológiákat és algoritmusokat, ahogy ez a Machine Vision .
A tantárgy formátuma
- Ez a tanfolyam bemutatja a mintázat-illesztés területén alkalmazott megközelítéseket, technológiákat és algoritmusokat, ahogy ez a Machine Vision .
14 hours
Összefoglaló
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 instructor-led, live 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.
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.
Some of Marvin's video applications include filtering, augmented reality, object tracking and motion detection.
In this instructor-led, live 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.
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.
21 hours
Összefoglaló
Ez az oktatott, élő képzés bemutatja a szoftver, a hardver és a stepbystep folyamatát, amely az arcfelismerő rendszer megépítéséhez szükséges a semmiből Az arcfelismerés az Arcfelismerés néven is ismert A laborban használt hardver tartalmazza a Rasberry Pi-et, a fényképezőgép-modult, a szervókat (opcionális), stb A résztvevők felelősek ezen komponensek megvásárlásáért A használt szoftver OpenCV, Linux, Python stb A képzés végére a résztvevők képesek lesznek: Telepítse a Linux, az OpenCV és más szoftver segédprogramokat és könyvtárakat egy Rasberry Pi-on Az OpenCV beállítása az arcfájlok rögzítéséhez és felderítéséhez Ismerje meg a Rasberry Pi rendszer csomagolásának különböző lehetőségeit a valós világ környezetben való használatra Alkalmazkodni a rendszerhez különböző használati esetekben, beleértve a felügyeletet, a személyazonosság igazolását stb Közönség Fejlesztők Hardver / szoftver technikusok Technikai személyek minden iparágban Hobbifelhasználók A tanfolyam formátuma Részelőadás, vitafórumok, gyakorlatok és nehéz handson gyakorlat jegyzet Egyéb hardver és szoftver opciók: Arduino, OpenFace, Windows stb Ha bármelyiket szeretné használni, kérjük, vegye fel velünk a kapcsolatot .
14 hours
Összefoglaló
Computer Vision egy olyan terület, amely magában foglalja a digitális média hasznos információinak automatikus kinyerését, elemzését és megértését. Python magas szintű programozási nyelv, amely tiszta szintaxisáról és kódolvashatóságáról híres.
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
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
21 hours
Összefoglaló
A mély tanulás a gépi tanulás alterülete. Olyan módszereket használ, amelyek az adatok reprezentációján és struktúrákon, például neurális hálókon alapulnak.
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.
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.
14 hours
Összefoglaló
This instructor-led, live training in Magyarország (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.
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.
14 hours
Összefoglaló
This instructor-led, live training in Magyarország (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.
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.
7 hours
Összefoglaló
This instructor-led, live training in Magyarország (online or onsite) is aimed at back-end 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.
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.
Upcoming Computer Vision Courses
2021-05-31 09:30:00
14 hours
2021-06-01 09:30:00
14 hours
2021-06-03 09:30:00
14 hours
2021-06-07 09:30:00
21 hours
2021-06-22 09:30:00
21 hours
Other countries
Consulting
Online Computer Vision courses, Weekend Computer Vision courses, Evening Computer Vision training, Computer Vision boot camp, Computer Vision instructor-led, Weekend Computer Vision training, Evening Computer Vision courses, Computer Vision coaching, Computer Vision instructor, Computer Vision trainer, Computer Vision training courses, Computer Vision classes, Computer Vision on-site, Computer Vision private courses, Computer Vision one on one training
.png "european space agency (esa)")
.png "aeronautical radio, incorporated (arinc)"){kind=small}
.png "new york stock exchange (nyse)")
