Real-Time Object Detection with YOLO培訓

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

這是由講師指導的台灣（線上或線下）培訓，適合中級AI開發人員和電腦視覺工程師，旨在為自動駕駛應用構建穩健的視覺系統。

在培訓結束時，參與者將能夠：

• 理解自動駕駛車輛中電腦視覺的基本概念。
• 實現物體檢測、車道檢測和語義分割的演算法。
• 將視覺系統與其他自動駕駛子系統整合。
• 應用深度學習技術進行高級感知任務。
• 在實際場景中評估電腦視覺模型的性能。

這種由 講師指導的 台灣 現場培訓（在線或現場）面向希望加深對計算機視覺的理解並探索 TensorFlow 使用 Google Colab 開發複雜視覺模型的能力的高級專業人士。

在本次培訓結束時，參與者將能夠：

• 使用 TensorFlow 構建和訓練卷積神經網路 （CNN）。
• 利用 Google Colab 進行可擴展且高效的基於雲的模型開發。
• 為電腦視覺任務實施圖像預處理技術。
• 為實際應用程式部署電腦視覺模型。
• 使用遷移學習來增強CNN模型的性能。
• 可視化和解釋圖像分類模型的結果。

這種由講師指導的 台灣 現場培訓（在線或現場）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。

在本次培訓結束時，參與者將能夠：

• 瞭解人工智慧的基礎知識和 Machine Learning。
• 瞭解數位圖像處理的基礎知識及其在面部識別中的應用。
• 培養使用 AI 工具和框架創建面部識別模型的技能。
• 獲得創建、培訓和測試面部識別系統的實踐經驗。
• 瞭解使用面部識別技術的道德注意事項和最佳實踐。

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。

這個 台灣（在線或現場）的講師指導實時培訓，旨在幫助希望處理和分析與組織學組織、血細胞、藻類和其他生物樣本相關的圖像的初學者和中級研究人員及實驗室專業人員。

在本次培訓結束時，參加者將能夠：

• 瀏覽Fiji界面並利用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，包括細胞計數和面積測量。
• 使用宏和插件自動化重複性任務。
• 針對生物研究中特定的圖像分析需求定制工作流程。

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。

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。

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

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。