YOLOv7：運用電腦視覺實現即時物體偵測培訓

CANN SDK（神經網路計算架構）提供強大的部署和優化工具，用於在華為昇騰硬體上進行電腦視覺和自然語言處理的即時人工智慧應用。

此培訓由講師指導，可線上或線下進行，旨在幫助具有中級水平的 AI 從業人員構建、部署並使用 CANN SDK 優化視覺和語言模型以滿足生產需求。

完成本課程後，參與者將能夠：

• 使用 CANN 和 AscendCL 部署和優化電腦視覺（CV）及自然語言處理（NLP）模型。
• 利用 CANN 工具轉換模型，並將其整合至即時流水線。
• 優化檢測、分類和情感分析等任務的推理效能。
• 構建適用於邊緣或雲端部署場景的即時 CV/NLP 流水線。

課程格式

• 互動式講授與演示。
• 實作練習：包含模型部署與效能分析。
• 使用真實 CV 和 NLP 應用案例設計即時流水線。

課程客製化選項

• 如需申請此課程的客製化培訓，請聯絡我們安排。

此為在澳門（線上或線下）舉辦的由講師主導的培訓課程，目標學員為具備中等程度的AI開發人員及電腦視覺工程師，他們希望建構出適用於自動駕駛應用的高健壯性視覺系統。

完成本課程後，學員將能夠：

• 理解自動駕駛車輛中電腦視覺的基本概念。
• 實作物件偵測、車道檢測及語義分割等演算法。
• 將視覺系統整合至自動駕駛車輛的其他子系統。
• 運用深度學習技術處理進階感知任務。
• 評估電腦視覺模型於真實情境中的效能。

這門在 澳門（線上或線下）舉辦的由導師指導的培訓，旨在幫助高階專業人士深化對電腦視覺的理解，並探索使用 Google Colab 開發複雜視覺模型的 TensorFlow 能力。

完成本課程後，學員能夠：

• 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雲端模型開發。
• 實施圖像預處理技巧以用於電腦視覺任務。
• 將電腦視覺模型部署到實際應用場景中。
• 運用遷移學習提升 CNN 模型的表現。
• 視覺化並解讀圖像分類模型的結果。

此課程由講員主導的實作培訓（線上或線下進行），主要針對中高級電腦視覺工程師、人工智慧開發者及物聯網專業人員，旨在協助他們在邊緣裝置上實現與最佳化即時影像處理的人工智慧模型。

參與學員在結束本課程後，將能夠：

• 了解邊緣人工智慧的基礎知識及其在電腦視覺中的應用。
• 部署最佳化的深度學習模型於邊緣裝置，以進行實時影像與視訊分析。
• 使用如 TensorFlow Lite、OpenVINO 及 NVIDIA Jetson SDK 等框架進行模型部署。
• 優化人工智慧模型的性能、功耗效率及低延遲推論能力。

本課程為由導師親自指導的培訓活動（提供澳門線上或線下選項），專為希望從手繪面部草圖轉向使用 AI 工具開發面部識別系統的初階執法人員設計。

學員完成訓練後，能夠：

• 了解人工智慧與機器學習的基本原理。
• 掌握數位影像處理及其在面部識別中的應用基礎。
• 運用 AI 工具與框架開發面部識別模型的技能。
• 透過實作，體驗創建、訓練及測試面部識別系統的過程。
• 了解使用面部識別技術時的倫理考量與最佳實踐。

此於澳門（線上或線下）舉辦、由講師主導的直播培訓，旨在幫助初級至中級的研究人員及實驗室專業人士處理和分析組織切片、血細胞、藻類及其他生物樣本的圖像。

完成本培訓後，學員將能夠：

• 熟練操作 Fiji 介面並運用 ImageJ 的核心功能。
• 預處理並增強科學圖像以提升分析效果。
• 對圖像進行定量分析，包括細胞計數和面積測量。
• 利用巨集和外掛程式自動化重複性任務。
• 針對生物研究中的特定圖像分析需求自訂工作流程。

計算機視覺是一個領域，涉及自動提取、分析和理解數字媒體中的有用信息。Python 是一種高級編程語言，以其清晰的語法和代碼可讀性而聞名。

在本次由導師主導的實時培訓中，參與者將通過創建一組簡單的 Python 計算機視覺應用程序，學習計算機視覺的基本原理。

在培訓結束時，參與者將能夠：

• 了解計算機視覺的基本知識
• 使用 Python 實現計算機視覺任務
• 建立自己的面孔、物體和運動檢測系統

目標受眾

• 對計算機視覺感興趣的 Python 程序員

課程形式

• 部分講授，部分討論，練習和大量的實踐

此由講師主導的 澳門（線上或下線）培訓，面向希望使用 Vision Builder AI 設計、實施及優化 SMT（表面貼裝技術）工藝自動檢測系統的初級專業人士。

完成本培訓後，參與者將能夠：

• 設置和配置使用 Vision Builder AI 的自動檢測。
• 獲取高質量圖像並進行預處理以供分析。
• 實施基於邏輯的缺陷探測和工藝驗證決策。
• 生成檢測報告並優化系統性能。