Computer Vision 自动驾驶 培训

这项由讲师指导的中国（线上或线下）培训课程，旨在为高阶机器人工程师和AI研究人员提供进阶路径规划演算法的实作知识，以提升自动驾驶车辆的性能。

在培训结束时，参与者将能够：

• 理解进阶路径规划演算法的理论基础。
• 实作RRT*、A*和D*等演算法，用于即时导航。
• 优化路径规划，以应对障碍物避让和动态环境。
• 将路径规划演算法与感测器数据整合，提升准确性。
• 在实际场景中评估各种演算法的性能。

本次由讲师指导的中国（线上或线下）培训，面向高级数据科学家、AI专家以及汽车AI开发者，旨在帮助他们构建、训练和优化用于自动驾驶应用的AI模型。

培训结束后，参与者将能够：

• 理解自动驾驶背景下AI和深度学习的基础知识。
• 实施计算机视觉技术，用于实时目标检测和车道跟随。
• 利用强化学习进行自动驾驶系统中的决策制定。
• 集成传感器融合技术，以提升感知和导航能力。
• 构建深度学习模型，用于预测和分析驾驶场景。

这项由讲师指导的中国（线上或线下）培训，针对高级安全工程师和汽车安全专业人士，旨在开发自动驾驶车辆的全面安全策略，包括危害分析、功能安全评估以及国际标准的合规性。

培训结束时，参与者将能够：

• 识别和评估与自动驾驶系统相关的安全风险。
• 使用行业标准进行危害分析和风险评估。
• 实施自动驾驶系统的安全验证和确认方法。
• 应用功能安全标准，如ISO 26262和SOTIF。
• 开发应对自动驾驶安全挑战的风险缓解策略。

本次由讲师主导的中国（线上或线下）培训，面向初级执法人员，旨在帮助他们从手动面部素描过渡到使用AI工具开发面部识别系统。

培训结束后，学员将能够：

• 理解人工智能和机器学习的基础知识。
• 学习数字图像处理的基础知识及其在面部识别中的应用。
• 掌握使用AI工具和框架创建面部识别模型的技能。
• 获得创建、训练和测试面部识别系统的实践经验。
• 理解面部识别技术的伦理考量和最佳实践。

Fiji 是一个开源图像处理包，它捆绑了 ImageJ（用于科学多维图像的图像处理程式）和许多用于科学图像分析的外挂程式。

在这个由讲师指导的现场培训中，参与者将学习如何使用 Fiji 发行版及其底层 ImageJ 程式来创建图像分析应用程式。

在本次培训结束时，参与者将能够：

• 使用 Fiji 的高级程式设计功能和软体元件来扩展 ImageJ
• 从重叠的图块拼接大型 3D 图像
• 使用整合更新系统在启动时自动更新 Fiji 安装
• 从广泛的脚本语言中进行选择，以构建自定义图像分析解决方案
• 在大型生物图像数据集上使用斐济强大的库，例如 ImgLib
• 部署他们的应用程式并与其他科学家合作开展类似专案

课程形式

• 互动讲座和讨论。
• 大量的练习和练习。
• 在即时实验室环境中动手实施。

课程自定义选项

• 要申请本课程的定制培训，请联系我们进行安排。

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。

这是一个由讲师指导的中国（线上或线下）培训，旨在为高级感测器融合专家和AI工程师提供开发多感测器融合算法并优化自主系统中的即时导航能力。

培训结束后，参与者将能够：

• 理解多感测器数据融合的基本原理与挑战。
• 实作即时自主导航的感测器融合算法。
• 整合LiDAR、摄影机和RADAR数据以增强感知能力。
• 分析并评估融合系统在不同条件下的性能。
• 开发实用的感测器降噪与数据对齐解决方案。

OpenCV（开源 Computer Vision 库：http://opencv.org）是一个开源 BSD 许可的库，包括数百种计算机视觉演算法。

观众

本课程面向寻求将 OpenCV 用于计算机视觉专案的工程师和架构师

这种以讲师为主导的中国现场培训（现场或远程）针对希望在Python与OpenCV 4中编程以进行深度学习的软件工程师。

在培训结束时，参与者将能够：

• 使用 OpenCV 查看、加载和分类图像和视频 4.
• 在 OpenCV 4 中使用 TensorFlow 和 Keras 实现深度学习。
• 运行深度学习模型，并从图像和视频中生成有影响力的报告。

OpenFace 是基于 Python 和 Torch 的开源即时面部识别软体，基于 Google 的 FaceNet 研究。

在这个由讲师指导的现场培训中，参与者将学习如何使用 OpenFace 的元件来创建和部署范例面部识别应用程式。

在本次培训结束时，参与者将能够：

• 使用 OpenFace 的元件（包括 dlib、OpenVC、Torch 和 nn4）实现人脸检测、对齐和转换
• 将OpenFace应用于实际应用，例如监控、身份验证、虚拟实境、游戏和识别回头客等。

观众

• 开发人员
• 数据科学家

课程形式

• 部分讲座、部分讨论、练习和大量动手实践

Pattern Matching 是一种用于在图像中定位指定模式的技术。它可用于确定捕获的图像中是否存在指定特征，例如工厂生产线中缺陷产品上的预期标签或元件的指定尺寸。它与 “Pattern Recognition” 的不同之处在于 “Pattern Recognition” （它根据更大的相关样本集合识别一般模式），因为它具体指示我们正在寻找什么，然后告诉我们预期的模式是否存在。

课程形式

• 本课程介绍了模式匹配领域中使用的方法、技术和演算法，因为它适用于 Machine Vision。

这个由讲师指导的现场培训介绍了从头开始构建面部识别系统所需的软体、硬体和分步过程。面部识别也称为 Face Recognition。

本实验中使用的硬体包括Rasberry Pi、摄像头模组、伺服系统（可选）等。参与者负责自己购买这些元件。使用的软体包括 OpenCV、Linux、Python 等。

在本次培训结束时，参与者将能够：

• 在 Rasberry Pi 上安装 Linux、OpenCV 和其他软体实用程式和库。
• 配置 OpenCV 以捕获和检测面部图像。
• 了解打包Rasberry Pi系统以在实际环境中使用的各种选项。
• 使系统适应各种用例，包括监控、身份验证等。

课程形式

• 部分讲座、部分讨论、练习和大量动手实践

注意

• 其他硬体和软体选项包括：Arduino、OpenFace、Windows 等。如果您想使用其中任何一个，请联系我们进行安排。

这是一个由讲师指导的中国（线上或线下）培训课程，旨在帮助中级专业人士使用Vision Builder AI来设计、实施和优化用于SMT（表面贴装技术）流程的自动化检测系统。

在培训结束时，参与者将能够：

• 使用Vision Builder AI设置和配置自动化检测。
• 获取并预处理高质量图像以进行分析。
• 实施基于逻辑的决策，用于缺陷检测和流程验证。
• 生成检测报告并优化系统性能。