Marvin Framework for Image and Video Processing培訓

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

這種以講師為主導的澳門現場培訓（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。

這個有指導意義的實時培訓介紹了從零開始構建面部識別系統所需的軟件，硬件和分步驟過程。面部識別也被稱爲人臉識別。 本實驗中使用的硬件包括Rasberry Pi，相機模塊，舵機（可選）等。參與者負責自行購買這些組件。使用的軟件包括OpenCV，Linux，Python等。 在培訓結束後，參與者將能夠： 在Rasberry Pi上安裝Linux，OpenCV和其他軟件實用程序和庫。 配置OpenCV以捕獲和檢測面部圖像。 了解將Rasberry Pi系統打包用于實際環境的各種選項。 使系統適應各種用例，包括監視，身份驗證等。 聽衆 開發商硬件/軟件技術人員所有行業的技術人員愛好者 課程的格式 部分講座，部分討論，練習和沈重的練習 注意 其他硬件和軟件選項包括：Arduino，OpenFace，Windows等。如果您想使用其中的任何一種，請聯系我們安排。

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 。

斐濟是一個開源圖像處理軟件包，它捆綁了ImageJ（用于科學多維圖像的圖像處理程序）和一些用于科學圖像分析的插件。 在這個有指導意義的現場培訓中，參與者將學習如何使用斐濟分布及其基礎ImageJ程序來創建圖像分析應用程序。 在培訓結束後，參與者將能夠： 使用斐濟先進的編程功能和軟件組件來擴展ImageJ 從重疊的瓷磚縫合大型3D圖像使用集成更新系統在啓動時自動更新斐濟安裝從各種腳本語言中進行選擇以構建自定義圖像分析解決方案使用斐濟強大的庫，如ImgLib，用于大型生物圖像數據集部署他們的應用程序並與其他科學家合作進行類似的項目 聽衆 科學家們研究人員開發商 課程的格式 部分講座，部分討論，練習和沈重的練習

PaddlePaddle（並行分布式深度學習）是百度開發的可擴展的深度學習平台。 在這個有指導意義的現場培訓中，參與者將學習如何使用PaddlePaddle在其産品和服務應用中實現深度學習。 在培訓結束後，參與者將能夠： 設置並配置PaddlePaddle 建立用于圖像識別和物體檢測的卷積神經網絡（CNN） 爲情感分析設置一個循環神經網絡（RNN） 在推薦系統上建立深度學習，以幫助用戶找到答案預測點擊率（CTR），對大規模圖像集進行分類，執行光學字符識別（OCR），排名搜索，檢測計算機病毒以及實施推薦系統。 聽衆 開發商數據科學家 課程的格式 部分講座，部分討論，練習和沈重的練習

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

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 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

這種由講師指導的澳門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。

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。

這種以講師為主導的澳門現場培訓（現場或遠端）面向希望構建硬體加速物件檢測和跟蹤模型以分析流視頻數據的開發人員。

在培訓結束時，參與者將能夠：

• 安裝和配置必要的開發環境、軟體和庫以開始開發。
• 構建、訓練和部署深度學習模型以分析實時視頻源。
• 識別、跟蹤、分割和預測視頻幀中的不同物件。
• 優化目標檢測和跟蹤模型。
• 部署智能視頻分析 （IVA） 應用程式。

這種以講師為主導的澳門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。

這種以講師為主導的澳門現場現場培訓（現場或遠端）面向希望學習如何使用YOLOv7實現實時物件檢測的中高級開發人員，研究人員和數據科學家。

在培訓結束時，參與者將能夠：

• 了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。
• 解決與 YOLOv7 實現相關的常見問題。