YOLOv7: 即時目標檢測與計算機視覺培訓

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。

本次由講師指導的線下或線上培訓面向希望深入瞭解計算機視覺並探索TensorFlow在Google Colab上開發複雜視覺模型能力的高級專業人員。

培訓結束後，參與者將能夠：

• 使用TensorFlow構建和訓練卷積神經網絡（CNN）。
• 利用Google Colab進行可擴展且高效的基於雲的模型開發。
• 爲計算機視覺任務實施圖像預處理技術。
• 部署計算機視覺模型以用於實際應用。
• 使用遷移學習提升CNN模型的性能。
• 可視化並解釋圖像分類模型的結果。

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是一個開源的圖像處理軟件包，它集成了ImageJ（一個用於科學多維圖像處理的程序）以及多個用於科學圖像分析的插件。

在這個由講師指導的線下培訓中，參與者將學習如何使用Fiji發行版及其底層的ImageJ程序來創建一個圖像分析應用。

在培訓結束時，參與者將能夠：

• 使用Fiji的高級編程功能和軟件組件來擴展ImageJ
• 從重疊的圖塊中拼接大型3D圖像
• 使用集成的更新系統在啓動時自動更新Fiji安裝
• 從多種腳本語言中選擇，構建自定義的圖像分析解決方案
• 使用Fiji的強大庫，如ImgLib，處理大型生物圖像數據集
• 部署他們的應用，並與其他科學家在類似項目上合作

課程形式

• 互動式講座和討論。
• 大量練習和實踐。
• 在即時實驗環境中進行實際操作。

課程定製選項

• 如需爲此課程定製培訓，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

SimpleCV 是一個開源框架，這意味著它是可用於開發視覺應用程式的庫和軟體的集合。它允許您處理來自網路攝像頭、Kinect、FireWire 和IP攝像頭或行動電話的圖像或視頻流。它可以説明您構建軟體，使您的各種技術不僅可以看到世界，還可以理解世界。

觀眾

本課程面向尋求使用 SimpleCV 開發電腦視覺應用程式的工程師和開發人員。

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。