Computer Vision with SimpleCV培訓
SimpleCV是一個開源框架 - 意味著它是一組可用於開發視覺應用程序的庫和軟件。它允許您處理來自網絡攝像頭,Kinects,FireWire和IP攝像頭或移動電話的圖像或視頻流。它可以幫助您構建軟件,使您的各種技術不僅可以看到世界,還可以了解它。
聽眾
本課程面向尋求使用SimpleCV開發計算機視覺應用的工程師和開發人員。
課程簡介
開始
- 安裝
教程和示例
- SimpleCV 外殼
- SimpleCV 基礎知識
- Hello World 程式
- 與顯示器交互
- 載入圖像目錄
- 宏的
- Kinect 的
- 定時
- 檢測汽車
- 分割圖像和形態
- 圖像算術
- 圖像數學中的異常
- 直方圖
- 色彩空間
- 使用 Hue Peaks
- 創建運動模糊效果
- 模擬長時間曝光
- 色度鍵(綠屏)
最低要求
精通以下語言:
- Python
Open Training Courses require 5+ participants.
Computer Vision with SimpleCV培訓 - 預訂
Computer Vision with SimpleCV培訓 - 詢問
Computer Vision with SimpleCV - 咨詢詢問
客戶評論 (2)
Trainer was very knowlegable and very open to feedback on what pace to go through the content and the topics we covered. I gained alot from the training and feel like I now have a good grasp of image manipulation and some techniques for building a good training set for an image classification problem.
Anthea King - WesCEF
Course - Computer Vision with Python
I genuinely enjoyed the hands-on approach.
Kevin De Cuyper
Course - Computer Vision with OpenCV
Upcoming Courses
相關課程
OpenFace: Creating Facial Recognition Systems
14 時間:Raspberry Pi + OpenCV for Facial Recognition
21 時間:Pattern Matching
14 時間:模式匹配是一種用於在圖像中定位指定模式的技術。它可用於確定捕獲圖像中指定特徵的存在,例如工廠生產線中缺陷產品上的預期標籤或組件的指定尺寸。它不同於“ Pattern Recognition ”(它識別基於較大的相關樣本集合的一般模式),因為它具體決定了我們正在尋找的東西,然後告訴我們預期的模式是否存在。
課程格式
- 本課程介紹了模式匹配領域中使用的方法,技術和算法,因為它適用於Machine Vision 。
Marvin Framework for Image and Video Processing
14 時間:Marvin是一個用Java開發的可擴展,跨平台,開源的圖像和視頻處理框架。開發人員可以使用Marvin來處理圖像,從圖像中提取特徵以進行分類任務,通過算法生成圖形,處理視頻文件數據集以及設置單元測試自動化。
Marvin的一些視頻應用包括濾波,增強現實,物體跟踪和運動檢測。
在這個以講師為主導的實踐課程中,學員將學習圖像和視頻分析的原理,並利用Marvin框架及其圖像處理算法構建自己的應用程序。
課程格式
- 首先介紹了圖像分析,視頻分析和Marvin框架的基本原理。為學生提供基於項目的任務,使他們能夠練習所學的概念。在課程結束時,參與者將使用Marvin框架和庫開發自己的應用程序。
Scilab
14 時間:Scilab是一種用於科學數據處理的完善的,免費的,開源的高級語言。用於統計,圖形和動畫,模擬,信號處理,物理,優化等,其中心數據結構是矩陣,與FORTRAN和C衍生物等替代品相比,簡化了許多類型的問題。它與C, Java和Python等語言兼容,因此適合用作現有系統的補充。
在這個教師指導的培訓,學員將學習的優點Scilab相比,像Matlab的基礎知識替代Scilab語法以及一些先進的功能和接口與其他廣泛使用的語言,視需求而定。本課程將以一個專注於圖像處理的簡短項目結束。
在培訓結束時,參與者將掌握Scilab的基本功能和一些高級功能,並有資源繼續擴展他們的知識。
聽眾
- 數據科學家和工程師,特別是對圖像處理和麵部識別感興趣
課程形式
- 部分講座,部分討論,練習和密集的實踐練習,以及最終項目
PaddlePaddle
21 時間:Fiji: Introduction to Scientific Image Processing
21 時間:Computer Vision with OpenCV
28 時間:OpenCV (開源Computer視覺庫:http://opencv.org)是一個開源的BSD許可庫,包含數百種計算機視覺算法。
聽眾
本課程面向尋求將OpenCV用於計算機視覺項目的工程師和建築師
Python and Deep Learning with OpenCV 4
14 時間:這種以講師為主導的台灣現場培訓(現場或遠端)針對的是希望使用OpenCV 4進行深度學習的Python程式設計的軟體工程師。
在培訓結束時,參與者將能夠:
- 使用 OpenCV 4 查看、載入和分類圖像和影片。
- 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。
Deep Learning for Vision with Caffe
21 時間:Caffe是一個深刻的學習框架,以表達,速度和模塊化為基礎。
本課程以MNIST為例,探討了Caffe作為圖像識別的深度學習框架的應用
聽眾
本課程適合有興趣使用Caffe作為框架的Deep Learning研究人員和工程師。
完成本課程後,代表們將能夠:
- 了解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,執行調試,監控
- 實施高級生產,如培訓模型,實施圖層和日誌記錄
Computer Vision with Python
14 時間:Computer Vision is a field that involves automatically extracting, analyzing, and understanding useful information from digital media. Python is a high-level programming language famous for its clear syntax and code readibility.
In this instructor-led, live training, participants will learn the basics of Computer Vision as they step through the creation of set of simple Computer Vision application using Python.
By the end of this training, participants will be able to:
- Understand the basics of Computer Vision
- Use Python to implement Computer Vision tasks
- Build their own face, object, and motion detection systems
Audience
- Python programmers interested in Computer Vision
Format of the course
- Part lecture, part discussion, exercises and heavy hands-on practice
Deep Learning for Self Driving Cars
21 時間:這種由講師指導的台灣現場現場培訓面向希望使用深度學習技術構建自動駕駛汽車的開發人員。
在培訓結束時,參與者將能夠:
- 使用 Keras 構建和訓練卷積神經網路。
- 使用電腦視覺技術識別自動駕駛專案中的車道。
- 訓練深度學習模型來區分交通標誌。
- 類比全自動駕駛汽車。