Cursos de Visão Computacional em Brasil

Este treinamento ao vivo conduzido por instrutor em Brasil (no local ou remoto) é destinado a desenvolvedores de nível intermediário a avançado, pesquisadores e cientistas de dados que desejam aprender como implementar a deteção de objetos em tempo real usando o YOLOv7. No final desta formação, os participantes serão capazes de

• Compreender os conceitos fundamentais da deteção de objectos.
• Instalar e configurar o YOLOv7 para tarefas de deteção de objetos.
• Treinar e testar modelos personalizados de deteção de objetos usando o YOLOv7.
• Integrar o YOLOv7 com outros frameworks e ferramentas de visão computacional.
• Solução de problemas comuns relacionados à implementação do YOLOv7.

SimpleCV é uma estrutura de código aberto - o que significa que é uma coleção de bibliotecas e softwares que você pode usar para desenvolver aplicativos de visão. Ele permite que você trabalhe com as imagens ou fluxos de vídeo provenientes de webcams, Kinects, câmeras FireWire e IP ou telefones celulares. Ele ajuda você a criar softwares para que suas várias tecnologias não apenas vejam o mundo, mas também o compreendam. Público Este curso é direcionado a engenheiros e desenvolvedores que buscam desenvolver aplicativos de visão computacional com o SimpleCV.

Caffe é uma estrutura de aprendizagem profunda feita com expressão, velocidade e modularidade em mente. Este curso explora a aplicação do Caffe como uma estrutura de aprendizagem profunda para o reconhecimento de imagens usando o MNIST como um exemplo Público Este curso é adequado para pesquisadores e engenheiros do Deep Learning interessados em utilizar o Caffe como um framework. Depois de concluir este curso, os delegados poderão:

• entender a estrutura e os mecanismos de implantação do Caffe
• realizar tarefas de instalação / ambiente de produção / arquitetura e configuração
• avaliar a qualidade do código, executar a depuração, monitoramento
• implementar produção avançada como modelos de treinamento, implementação de camadas e registro

Marvin é uma estrutura extensível, multi-plataforma, de código aberto de imagem e processamento de vídeo desenvolvida em Java.   os desenvolvedores podem usar Marvin para manipular imagens, extrair recursos de imagens para tarefas de classificação, gerar figuras de forma algorithmically, processar conjuntos de dados de arquivo de vídeo e configurar a automação de teste de unidade. alguns dos aplicativos de vídeo Marvin & #39; s incluem filtragem, realidade aumentada, rastreamento de objetos e detecção de movimento. neste ministrado por instrutor, os participantes do curso ao vivo aprenderão os princípios de análise de imagem e vídeo e utilizarão o Marvin Framework e seus algoritmos de processamento de imagem para construir sua própria aplicação. formato do curso

• os princípios básicos de análise de imagem, análise de vídeo e Marvin Framework são introduzidos pela primeira vez. Os alunos recebem tarefas baseadas em projetos que lhes permitem praticar os conceitos aprendidos. Até o final da aula, os participantes terão desenvolvido seu próprio aplicativo usando o Marvin Framework e bibliotecas.

Computer Visão por Computer é um campo que envolve extrair, analisar e compreender automaticamente informações úteis da mídia digital. Python é uma linguagem de programação de alto nível famosa por sua sintaxe clara e legibilidade de código. Neste treinamento ao vivo conduzido por instrutor, os participantes aprenderão o básico sobre a Visão Computer enquanto avançam na criação do conjunto de aplicativos simples de Visão Computer usando o Python . No final deste treinamento, os participantes serão capazes de:

• Entenda os conceitos básicos da Visão Computer
• Use o Python para implementar tarefas do Computer Vision
• Construa seus próprios sistemas de detecção de rosto, objeto e movimento

Público

• Programadores Python interessados em Visão Computer

Formato do curso

• Palestra parcial, parte discussão, exercícios e prática prática

Este treinamento ao vivo conduzido por instrutor em Brasil (online ou no local) é destinado a desenvolvedores que desejam construir um carro autônomo usando técnicas de aprendizado profundo. No final desta formação, os participantes serão capazes de

• Utilizar Keras para criar e treinar uma rede neural convolucional.
• Utilizar técnicas de visão computacional para identificar faixas de rodagem num projeto de condução autónoma.
• Treinar um modelo de aprendizagem profunda para diferenciar sinais de trânsito.
• Simular um carro totalmente autónomo.

Este treinamento ao vivo conduzido por instrutor em Brasil (online ou no local) é destinado a desenvolvedores que desejam criar modelos de deteção e rastreamento de objetos acelerados por hardware para analisar dados de vídeo em fluxo contínuo. No final desta formação, os participantes serão capazes de

• Instalar e configurar o ambiente de desenvolvimento, o software e as bibliotecas necessários para começar a desenvolver.
• Construir, treinar e implantar modelos de aprendizado profundo para analisar feeds de vídeo ao vivo.
• Identificar, rastrear, segmentar e prever diferentes objetos dentro de quadros de vídeo.
• Otimizar modelos de deteção e rastreamento de objetos.
• Implantar um aplicativo de análise de vídeo inteligente (IVA).

Este treinamento ao vivo conduzido por instrutor em Brasil (no local ou remoto) é destinado a desenvolvedores de back-end e cientistas de dados que desejam incorporar modelos YOLO pré-treinados em seus programas orientados para a empresa e implementar componentes econômicos para deteção de objetos. No final desta formação, os participantes serão capazes de

• Instalar e configurar as ferramentas e bibliotecas necessárias para a deteção de objetos usando YOLO.
• Customizar Python aplicações de linha de comando que operam com base nos modelos pré-treinados do YOLO.
• Implementar a estrutura de modelos YOLO pré-treinados para vários projetos de visão computacional.
• Converter conjuntos de dados existentes para deteção de objetos no formato YOLO.
• Compreender os conceitos fundamentais do algoritmo YOLO para visão computacional e/ou aprendizagem profunda.

O OpenFace é um software de reconhecimento facial em tempo real baseado em Python e Torch, baseado na pesquisa FaceNet do Google Neste treinamento presencial instruído, os participantes aprenderão como usar os componentes do OpenFace para criar e implantar um aplicativo de reconhecimento facial de amostra No final deste treinamento, os participantes serão capazes de: Trabalhe com os componentes do OpenFace, incluindo dlib, OpenVC, Torch e nn4, para implementar detecção, alinhamento e transformação de faces Aplique o OpenFace a aplicações do mundo real, como vigilância, verificação de identidade, realidade virtual, jogos e identificação de clientes repetidos, etc Público Desenvolvedores Cientistas de dados Formato do curso Palestra parcial, parte discussão, exercícios e prática handson pesada .

Este treinamento ao vivo com instrutor introduz o software, o hardware e o processo passo a passo necessários para criar um sistema de reconhecimento facial do zero Reconhecimento Facial é também conhecido como Reconhecimento Facial O hardware usado neste laboratório inclui o Rasberry Pi, um módulo de câmera, servos (opcional), etc Os participantes são responsáveis ​​pela compra desses componentes O software usado inclui OpenCV, Linux, Python, etc No final deste treinamento, os participantes serão capazes de: Instale o Linux, OpenCV e outros utilitários de software e bibliotecas em um Rasberry Pi Configure o OpenCV para capturar e detectar imagens faciais Entenda as várias opções para empacotar um sistema Rasberry Pi para uso em ambientes reais Adaptar o sistema para uma variedade de casos de uso, incluindo vigilância, verificação de identidade, etc Público Desenvolvedores Técnicos de hardware / software Técnicos de todas as indústrias Hobbyists Formato do curso Palestra parcial, parte discussão, exercícios e prática handson pesada Nota Outras opções de hardware e software incluem: Arduino, OpenFace, Windows, etc Se você deseja usar qualquer um desses, entre em contato conosco para agendar .

Correspondência de padrões é uma técnica usada para localizar padrões especificados em uma imagem. Ele pode ser usado para determinar a existência de características especificadas dentro de uma imagem capturada, por exemplo, o rótulo esperado em um produto defeituoso em uma linha de fábrica ou as dimensões especificadas de um componente. É diferente de " Pattern Recognition " (que reconhece padrões gerais baseados em coleções maiores de amostras relacionadas) na medida em que determina especificamente o que estamos procurando, então nos diz se o padrão esperado existe ou não.

Formato do Curso

• Este curso apresenta as abordagens, tecnologias e algoritmos usados no campo de correspondência de padrões, conforme se aplica à Machine Vision .

O Scilab é uma linguagem de alto nível bem desenvolvida, livre e de código aberto para manipulação de dados científicos Usada para estatísticas, gráficos e animação, simulação, processamento de sinais, física, otimização e muito mais, sua estrutura de dados central é a matriz, simplificando muitos tipos de problemas em comparação com alternativas como FORTRAN e derivados de C Ele é compatível com linguagens como C, Java e Python, tornando-o adequado para uso como suplemento aos sistemas existentes Neste treinamento instructorled, os participantes aprenderão as vantagens do Scilab em comparação com alternativas como o Matlab, os princípios básicos da sintaxe do Scilab, bem como algumas funções avançadas e interface com outros idiomas amplamente utilizados, dependendo da demanda O curso terminará com um breve projeto focado no processamento de imagens No final deste treinamento, os participantes terão uma compreensão das funções básicas e algumas funções avançadas do Scilab, e terão os recursos para continuar expandindo seus conhecimentos Público Cientistas de dados e engenheiros, especialmente com interesse em processamento de imagem e reconhecimento facial Formato do curso Palestra parcial, parte discussão, exercícios e prática intensiva de handson, com um projeto final .

PaddlePaddle (PArallel Distributed Deep LEarning) é uma plataforma de aprendizagem profunda escalável desenvolvida pela Baidu Neste treinamento ao vivo com instrutores, os participantes aprenderão como usar o PaddlePaddle para permitir o aprendizado profundo em seus aplicativos de produtos e serviços No final deste treinamento, os participantes serão capazes de: Configurar e configurar o PaddlePaddle Configurar uma rede neural por convolução (CNN) para reconhecimento de imagem e detecção de objetos Configurar uma Rede Neural Recorrente (RNN) para análise de sentimento Configure o aprendizado profundo em sistemas de recomendação para ajudar os usuários a encontrar respostas Prever taxas de cliques (CTR), classificar conjuntos de imagens em larga escala, realizar reconhecimento óptico de caracteres (OCR), classificar pesquisas, detectar vírus de computador e implementar um sistema de recomendação Público Desenvolvedores Cientistas de dados Formato do curso Palestra parcial, parte discussão, exercícios e prática handson pesada .

Fiji é um pacote de processamento de imagem de código aberto que agrega ImageJ (um programa de processamento de imagens para imagens multidimensionais científicas) e vários plugins para análise de imagens científicas Neste treinamento presencial instruído, os participantes aprenderão como usar a distribuição Fiji e seu programa ImageJ subjacente para criar um aplicativo de análise de imagem No final deste treinamento, os participantes serão capazes de: Use os recursos avançados de programação e componentes de software do Fiji para estender o ImageJ Costure imagens 3d grandes de telhas sobrepostas Atualizar automaticamente uma instalação do Fiji na inicialização usando o sistema de atualização integrado Selecione a partir de uma ampla seleção de linguagens de script para criar soluções de análise de imagem personalizadas Use as poderosas bibliotecas do Fiji, como o ImgLib, em grandes conjuntos de dados de bioimagem Implemente sua aplicação e colabore com outros cientistas em projetos semelhantes Público Cientistas Pesquisadores Desenvolvedores Formato do curso Palestra parcial, parte discussão, exercícios e prática handson pesada .

OpenCV (Open Source Computer Vision Library: http://opencv.org) é uma biblioteca de código aberto licenciada pelo BSD que inclui várias centenas de algoritmos de visão computacional.PúblicoEste curso é direcionado a engenheiros e arquitetos que buscam utilizar OpenCV para projetos de visão computacional

Este treinamento ao vivo conduzido por instrutor em Brasil (no local ou remoto) é destinado a engenheiros de software que desejam programar em Python com o OpenCV 4 para aprendizado profundo. No final desta formação, os participantes serão capazes de

• Visualizar, carregar e classificar imagens e vídeos usando o OpenCV 4.
• Implementar o aprendizado profundo no OpenCV 4 com TensorFlow e Keras.
• Executar modelos de aprendizagem profunda e gerar relatórios impactantes a partir de imagens e vídeos.