Computer Vision 自動駕駛培訓

這項由講師指導的台灣（線上或線下）培訓課程，旨在為高階機器人工程師和AI研究人員提供進階路徑規劃演算法的實作知識，以提升自動駕駛車輛的性能。

在培訓結束時，參與者將能夠：

• 理解進階路徑規劃演算法的理論基礎。
• 實作RRT*、A*和D*等演算法，用於即時導航。
• 優化路徑規劃，以應對障礙物避讓和動態環境。
• 將路徑規劃演算法與感測器數據整合，提升準確性。
• 在實際場景中評估各種演算法的性能。

本次由講師指導的台灣（線上或線下）培訓，面向高級數據科學家、AI專家以及汽車AI開發者，旨在幫助他們構建、訓練和優化用於自動駕駛應用的AI模型。

培訓結束後，參與者將能夠：

• 理解自動駕駛背景下AI和深度學習的基礎知識。
• 實施計算機視覺技術，用於即時目標檢測和車道跟隨。
• 利用強化學習進行自動駕駛系統中的決策制定。
• 集成傳感器融合技術，以提升感知和導航能力。
• 構建深度學習模型，用於預測和分析駕駛場景。

這項由講師指導的台灣（線上或線下）培訓，針對高級安全工程師和汽車安全專業人士，旨在開發自動駕駛車輛的全面安全策略，包括危害分析、功能安全評估以及國際標準的合規性。

培訓結束時，參與者將能夠：

• 識別和評估與自動駕駛系統相關的安全風險。
• 使用行業標準進行危害分析和風險評估。
• 實施自動駕駛系統的安全驗證和確認方法。
• 應用功能安全標準，如ISO 26262和SOTIF。
• 開發應對自動駕駛安全挑戰的風險緩解策略。

本次由講師主導的台灣（線上或線下）培訓，面向初級執法人員，旨在幫助他們從手動面部素描過渡到使用AI工具開發面部識別系統。

培訓結束後，學員將能夠：

• 理解人工智能和機器學習的基礎知識。
• 學習數字圖像處理的基礎知識及其在面部識別中的應用。
• 掌握使用AI工具和框架創建面部識別模型的技能。
• 獲得創建、訓練和測試面部識別系統的實踐經驗。
• 理解面部識別技術的倫理考量和最佳實踐。

Fiji 是一個開源圖像處理包，它捆綁了 ImageJ（用於科學多維圖像的圖像處理程式）和許多用於科學圖像分析的外掛程式。

在這個由講師指導的現場培訓中，參與者將學習如何使用 Fiji 發行版及其底層 ImageJ 程式來創建圖像分析應用程式。

在本次培訓結束時，參與者將能夠：

• 使用 Fiji 的高級程式設計功能和軟體元件來擴展 ImageJ
• 從重疊的圖塊拼接大型 3D 圖像
• 使用整合更新系統在啟動時自動更新 Fiji 安裝
• 從廣泛的腳本語言中進行選擇，以構建自定義圖像分析解決方案
• 在大型生物圖像數據集上使用斐濟強大的庫，例如 ImgLib
• 部署他們的應用程式並與其他科學家合作開展類似專案

課程形式

• 互動講座和討論。
• 大量的練習和練習。
• 在即時實驗室環境中動手實施。

課程自定義選項

• 要申請本課程的定製培訓，請聯繫我們進行安排。

本次由讲师指导的线下培训（线上或线下）面向初级至中级研究人员和实验室专业人员，旨在帮助他们处理和分析与组织学组织、血细胞、藻类及其他生物样本相关的图像。

培训结束后，学员将能够：

• 熟练使用Fiji界面，并掌握ImageJ的核心功能。
• 对科学图像进行预处理和增强，以便更好地分析。
• 定量分析图像，包括细胞计数和面积测量。
• 使用宏和插件自动化重复性任务。
• 根据生物研究中的具体需求，定制图像分析工作流程。

這是一個由講師指導的台灣（線上或線下）培訓，旨在為高級感測器融合專家和AI工程師提供開發多感測器融合算法並優化自主系統中的即時導航能力。

培訓結束後，參與者將能夠：

• 理解多感測器數據融合的基本原理與挑戰。
• 實作即時自主導航的感測器融合算法。
• 整合LiDAR、攝影機和RADAR數據以增強感知能力。
• 分析並評估融合系統在不同條件下的性能。
• 開發實用的感測器降噪與數據對齊解決方案。

OpenCV（開源 Computer Vision 庫：http://opencv.org）是一個開源 BSD 許可的庫，包括數百種計算機視覺演算法。

觀眾

本課程面向尋求將 OpenCV 用於計算機視覺專案的工程師和架構師

這種以講師為主導的台灣現場培訓（現場或遠端）針對希望在Python與OpenCV 4中程式設計以進行深度學習的軟體工程師。

在培訓結束時，參與者將能夠：

• 使用 OpenCV 查看、載入和分類圖像和視頻 4.
• 在 OpenCV 4 中使用 TensorFlow 和 Keras 實現深度學習。
• 運行深度學習模型，並從圖像和視頻中生成有影響力的報告。

OpenFace 是基於 Python 和 Torch 的開源即時面部識別軟體，基於 Google 的 FaceNet 研究。

在這個由講師指導的現場培訓中，參與者將學習如何使用 OpenFace 的元件來創建和部署範例面部識別應用程式。

在本次培訓結束時，參與者將能夠：

• 使用 OpenFace 的元件（包括 dlib、OpenVC、Torch 和 nn4）實現人臉檢測、對齊和轉換
• 將OpenFace應用於實際應用，例如監控、身份驗證、虛擬實境、遊戲和識別回頭客等。

觀眾

• 開發人員
• 數據科學家

課程形式

• 部分講座、部分討論、練習和大量動手實踐

Pattern Matching 是一種用於在圖像中定位指定模式的技術。它可用於確定捕獲的圖像中是否存在指定特徵，例如工廠生產線中缺陷產品上的預期標籤或元件的指定尺寸。它與 “Pattern Recognition” 的不同之處在於 “Pattern Recognition” （它根據更大的相關樣本集合識別一般模式），因為它具體指示我們正在尋找什麼，然後告訴我們預期的模式是否存在。

課程形式

• 本課程介紹了模式匹配領域中使用的方法、技術和演算法，因為它適用於 Machine Vision。

這個由講師指導的現場培訓介紹了從頭開始構建面部識別系統所需的軟體、硬體和分步過程。面部識別也稱為 Face Recognition。

本實驗中使用的硬體包括Rasberry Pi、攝像頭模組、伺服系統（可選）等。參與者負責自己購買這些元件。使用的軟體包括 OpenCV、Linux、Python 等。

在本次培訓結束時，參與者將能夠：

• 在 Rasberry Pi 上安裝 Linux、OpenCV 和其他軟體實用程式和庫。
• 配置 OpenCV 以捕獲和檢測面部圖像。
• 瞭解打包Rasberry Pi系統以在實際環境中使用的各種選項。
• 使系統適應各種用例，包括監控、身份驗證等。

課程形式

• 部分講座、部分討論、練習和大量動手實踐

注意

• 其他硬體和軟體選項包括：Arduino、OpenFace、Windows 等。如果您想使用其中任何一個，請聯繫我們進行安排。

這是一個由講師指導的台灣（線上或線下）培訓課程，旨在幫助中級專業人士使用Vision Builder AI來設計、實施和優化用於SMT（表面貼裝技術）流程的自動化檢測系統。

在培訓結束時，參與者將能夠：

• 使用Vision Builder AI設置和配置自動化檢測。
• 獲取並預處理高質量圖像以進行分析。
• 實施基於邏輯的決策，用於缺陷檢測和流程驗證。
• 生成檢測報告並優化系統性能。