
Lokala instruktionsledda datorsynskurser visar genom interaktionsdiskussion och handson öva grunderna för datorsyn när deltagare går igenom skapandet av enkla datorvisionsprogram Datorsynsutbildning är tillgänglig som "live-träning" eller "fjärr-live-träning" Utbildning på plats kan genomföras lokalt på kundlokaler i Sverige eller i NobleProgs företagsutbildningscenter i Sverige Fjärrutbildning sker genom en interaktiv fjärrskrivbord NobleProg Din lokala utbildningsleverantör.
Machine Translated
Vittnesmål
Jag njöt verkligen av hands-on-metoden.
Kevin De Cuyper
Kurs: Computer Vision with OpenCV
Machine Translated
Den enkla användningen av VideoCapture-funktionen för att skaffa videobilder från bärbar kamera ..
HP Printing and Computing Solutions, Sociedad Limitada Unipe
Kurs: Computer Vision with OpenCV
Machine Translated
Jag fick råd från givaren om hur man använder verktygen. Det här är något som inte kan fås från internet och är väldigt användbart.
HP Printing and Computing Solutions, Sociedad Limitada Unipe
Kurs: Computer Vision with OpenCV
Machine Translated
Jag fick råd från givaren om hur man använder verktygen. Det här är något som inte kan fås från internet och är väldigt användbart.
HP Printing and Computing Solutions, Sociedad Limitada Unipe
Kurs: Computer Vision with OpenCV
Machine Translated
Det var lätt att följa.
HP Printing and Computing Solutions, Sociedad Limitada Unipe
Kurs: Computer Vision with OpenCV
Machine Translated
Computer Vision underkategorier
Computer Vision läroplaner
Denna kurs undersöker tillämpningen av Caffe som ett djupet lärande ramverk för bildigenkänning med hjälp av MNIST som ett exempel
Publik
Denna kurs är lämplig för Deep Learning forskare och ingenjörer som är intresserade av att använda Caffe som ramverk.
Efter avslutad kurs kommer deltagarna att kunna:
- förstå Caffe struktur och implementeringsmekanismer
- utföra installations- / produktionsmiljö / arkitekturuppgifter och konfiguration
- utvärdera kodkvalitet, utföra felsökning, övervakning
- implementera avancerad produktion som träningsmodeller, implementera lager och loggning
några av Marvin & #39; s video applikationer inkluderar filtrering, förstärkt verklighet, objekt spårning och rörelse detektor.
i denna instruktörsledda, levande kurs deltagare kommer att lära sig principerna för bild-och video analys och utnyttja Marvin Framework och dess bildbehandlingsalgoritmer för att konstruera sin egen ansökan.
format för kursen
- de grundläggande principerna för bild analys, video analys och Marvin Framework introduceras först. Studenterna får projektbaserade uppgifter som gör det möjligt för dem att öva på de begrepp som lärs ut. Vid slutet av klassen, kommer deltagarna har utvecklat sin egen ansökan med hjälp av Marvin ram och bibliotek.
Publik
Kursen riktar sig till ingenjörer och arkitekter som vill använda OpenCV för datorsynprojekt
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.
Kursformat
- Denna kurs introducerar de metoder, teknologier och algoritmer som används inom området för mönstermatchning eftersom det gäller Machine Vision .
I denna instruktörsledda, liveträning kommer deltagarna att lära sig grunderna i Computer Vision när de går igenom skapandet av en uppsättning enkla Computer Vision-applikationer med Python .
I slutet av denna träning kommer deltagarna att kunna:
- Förstå grunderna i Computer Vision
- Använd Python att implementera Computer Vision-uppgifter
- Bygg sina egna ansikts-, objekt- och rörelsedetekteringssystem
Publik
- Python programmerare intresserade av Computer Vision
Kursformat
- Delföreläsning, delvis diskussion, övningar och tung praktisk övning
Keras is a high-level neural networks API for fast development and experimentation. It runs on top of TensorFlow, CNTK, or Theano.
This instructor-led, live training (online or onsite) is aimed at developers who wish to build a self-driving car (autonomous vehicle) using deep learning techniques.
By the end of this training, participants will be able to:
- Use computer vision techniques to identify lanes.
- Use Keras to build and train convolutional neural networks.
- Train a deep learning model to differentiate traffic signs.
- Simulate a fully autonomous car.
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.
Publik
Kursen riktar sig till ingenjörer och utvecklare som vill utveckla datorsynsapplikationer med SimpleCV.
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.