台灣現場Computer Vision培訓

本课程面向希望在边缘设备上实现和优化计算机视觉模型以进行实时处理的中级到高级计算机视觉工程师、人工智能开发人员和物联网专业人员。 通过本培训，参与者将能够：

• 了解计算机视觉中Edge AI的基本原理及其应用。
• 在边缘设备上部署经过优化的深度学习模型，以实现对图像和视频的实时分析。
• 使用TensorFlow Lite、OpenVINO和NVIDIA Jetson SDK等框架进行模型部署。
• 优化AI模型以提高性能、功率效率和低延迟推断。

在此培训结束时，学员将能够：

本次由讲师指导的台灣（线上或线下）培训，旨在帮助高级专业人士深入理解计算机视觉，并探索TensorFlow在开发复杂视觉模型方面的能力，使用Google Colab。

• 使用TensorFlow构建和训练卷积神经网络（CNN）。
• 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应用于实际场景。
• 使用迁移学习提升CNN模型的性能。
• 可视化和解释图像分类模型的结果。

The CANN SDK (Compute Architecture for Neural Networks) provides powerful deployment and optimization tools for real-time AI applications in computer vision and NLP, especially on Huawei Ascend hardware.

This instructor-led, live training (online or onsite) is aimed at intermediate-level AI practitioners who wish to build, deploy, and optimize vision and language models using the CANN SDK for production use cases.

By the end of this training, participants will be able to:

• Deploy and optimize CV and NLP models using CANN and AscendCL.
• Use CANN tools to convert models and integrate them into live pipelines.
• Optimize inference performance for tasks like detection, classification, and sentiment analysis.
• Build real-time CV/NLP pipelines for edge or cloud-based deployment scenarios.

Format of the Course

• Interactive lecture and demonstration.
• Hands-on lab with model deployment and performance profiling.
• Live pipeline design using real CV and NLP use cases.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

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。

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。

這種講師指導的 台灣 現場培訓（在線或現場）面向希望學習如何使用 YOLOv7 實現即時物件檢測的中高級開發人員、研究人員和數據科學家。

在本次培訓結束時，參與者將能夠：

• 瞭解對象檢測的基本概念。
• 安裝和配置 YOLOv7 以執行物件檢測任務。
• 使用 YOLOv7 訓練和測試自定義物件檢測模型。
• 將 YOLOv7 與其他電腦視覺框架和工具整合。
• 排查與 YOLOv7 實施相關的常見問題。

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

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。

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。

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

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。

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。

這種以講師為主導的台灣現場現場培訓面向後端開發人員和數據科學家，他們希望將預先訓練的YOLO模型整合到其企業驅動的程式中，並實施具有成本效益的元件進行對象檢測。

在培訓結束時，參與者將能夠：

• 使用YOLO安裝和配置物件檢測所需的必要工具和庫。
• 自訂基於 YOLO 預訓練模型運行的 Python 命令行應用程式。
• 為各種電腦視覺項目實施預訓練的 YOLO 模型框架。
• 將用於物件檢測的現有數據集轉換為 YOLO 格式。
• 瞭解用於電腦視覺和/或深度學習的YOLO演算法的基本概念。