Computer Vision with SimpleCV培訓

Caffe是一個注重表達、速度和模塊化的深度學習框架。

本課程以MNIST爲例，探討Caffe作爲深度學習框架在圖像識別中的應用。

受衆

本課程適合對使用Caffe作爲框架感興趣的深度學習研究人員和工程師。

完成本課程後，學員將能夠：

• 理解Caffe的結構和部署機制
• 執行安裝、生產環境、架構任務和配置
• 評估代碼質量，進行調試和監控
• 實現高級生產任務，如訓練模型、實現層和日誌記錄

本課程爲講師指導的線下或線上培訓，面向中級AI開發者和計算機視覺工程師，旨在幫助他們爲自動駕駛應用構建穩健的視覺系統。

培訓結束後，學員將能夠：

• 理解自動駕駛中計算機視覺的基本概念。
• 實現目標檢測、車道檢測和語義分割的算法。
• 將視覺系統與自動駕駛的其他子系統集成。
• 應用深度學習技術完成高級感知任務。
• 評估計算機視覺模型在真實場景中的性能。

本次由讲师指导的台灣（线上或线下）培训，面向希望深入了解计算机视觉并探索TensorFlow在开发复杂视觉模型方面能力的进阶专业人士。

培训结束后，参与者将能够：

• 使用TensorFlow构建和训练卷积神经网络（CNNs）。
• 利用Google Colab进行可扩展且高效的基于云的模型开发。
• 实施图像预处理技术以完成计算机视觉任务。
• 部署计算机视觉模型以用于实际应用。
• 使用迁移学习提升CNN模型的性能。
• 可视化并解释图像分类模型的结果。

本課程爲講師指導的培訓，在台灣（線上或線下）進行，面向希望實現和優化用於邊緣設備即時處理的計算機視覺模型的中高級計算機視覺工程師、AI開發者和物聯網專業人士。

通過本課程，參與者將能夠：

• 瞭解邊緣AI的基礎知識及其在計算機視覺中的應用。
• 在邊緣設備上部署優化的深度學習模型，用於即時圖像和視頻分析。
• 使用TensorFlow Lite、OpenVINO和NVIDIA Jetson SDK等框架進行模型部署。
• 優化AI模型，以提高性能、能效和低延遲推理。

本次由講師主導的台灣培訓（線上或線下）面向希望從手動面部素描過渡到使用AI工具開發面部識別系統的初級執法人員。

培訓結束後，參與者將能夠：

• 瞭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。
• 瞭解面部識別技術使用中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。

本次由講師指導的培訓在台灣（線上或線下）舉行，面向初學者到中級水平的研究人員和實驗室專業人員，旨在幫助他們處理和分析與組織切片、血細胞、藻類及其他生物樣本相關的圖像。

培訓結束後，參與者將能夠：

• 熟悉Fiji界面並掌握ImageJ的核心功能。
• 對科學圖像進行預處理和增強，以便更好地分析。
• 定量分析圖像，包括細胞計數和麪積測量。
• 使用宏和插件自動化重複性任務。
• 根據生物研究中的具體需求，自定義圖像分析工作流程。

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。

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。

Computer Vision 是一個涉及從數位媒體中自動提取、分析和理解有用資訊的領域。Python 是一種高階程式語言，以其清晰的語法和程式碼可讀性而聞名。

在這場由講師指導的實時培訓中，參與者將學習Computer Vision的基礎知識，並逐步使用Python創建一系列簡單的Computer Vision應用程式。

在培訓結束時，參與者將能夠：

• 理解Computer Vision的基礎知識
• 使用Python來實現Computer Vision任務
• 建立自己的人臉、物體和動作檢測系統

目標受眾

• 對Computer Vision感興趣的Python程式設計師

課程形式

• 部分講授、部分討論、練習和大量的動手實踐

本課程由講師主導，在台灣（線上或線下）提供培訓，面向中級專業人士，旨在幫助他們使用Vision Builder AI設計、實施和優化SMT（表面貼裝技術）流程中的自動檢測系統。

培訓結束後，學員將能夠：

• 使用Vision Builder AI設置和配置自動檢測。
• 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。

本課程爲講師指導的培訓，在台灣（線上或線下）進行，面向希望將預訓練的YOLO模型集成到企業驅動程序中，並實現成本效益高的目標檢測組件的後端開發人員和數據科學家。

培訓結束後，參與者將能夠：

• 安裝和配置使用YOLO進行目標檢測所需的工具和庫。
• 定製基於YOLO預訓練模型的Python命令行應用程序。
• 在各種計算機視覺項目中實現預訓練的YOLO模型框架。
• 將現有的目標檢測數據集轉換爲YOLO格式。
• 理解YOLO算法在計算機視覺和/或深度學習中的基本概念。

本次由講師指導的線下或線上培訓，面向希望學習如何使用YOLOv7實現即時目標檢測的中級到高級開發者、研究人員和數據科學家。

培訓結束後，參與者將能夠：

• 理解目標檢測的基本概念。
• 安裝並配置YOLOv7以執行目標檢測任務。
• 使用YOLOv7訓練和測試自定義目標檢測模型。
• 將YOLOv7與其他計算機視覺框架和工具集成。
• 解決與YOLOv7實施相關的常見問題。