Hardware-Accelerated Video Analytics培训

这种由讲师指导的现场培训 中国（在线或远程）面向希望安装、配置、管理和排除 CUDA 环境故障的初级系统管理员和 IT 专业人员。

在培训结束时，参与者将能够：

• 了解 CUDA 的架构、组件和功能。
• 安装和配置 CUDA 环境。
• 管理和优化 CUDA 资源。
• 调试和排查常见的 CUDA 问题。

这种以讲师为主导的中国现场现场培训面向希望使用CUDA 构建在NVIDIA GPU上并行运行的Python应用程序的开发人员。

在培训结束时，参与者将能够：

• 使用 Numba 编译器加速在 NVIDIA GPU 上运行的 Python 应用程序。
• 创建、编译和启动自定义 CUDA 内核。
• 管理 GPU 内存。
• 将基于 CPU 的应用程序转换为 GPU 加速的应用程序。

这种由讲师指导的 中国 现场培训（在线或现场）面向希望从手动面部素描过渡到使用 AI 工具开发面部识别系统的初级执法人员。

在本次培训结束时，参与者将能够：

• 了解人工智慧的基础知识和 Machine Learning。
• 了解数位图像处理的基础知识及其在面部识别中的应用。
• 培养使用 AI 工具和框架创建面部识别模型的技能。
• 获得创建、培训和测试面部识别系统的实践经验。
• 了解使用面部识别技术的道德注意事项和最佳实践。

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

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。

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。

Marvin是一个用Java开发的可扩展，跨平台，开源的图像和视频处理框架。开发人员可以使用Marvin来处理图像，从图像中提取特征以进行分类任务，通过算法生成图形，处理视频文件数据集以及设置单元测试自动化。

Marvin的一些视频应用包括滤波，增强现实，物体跟踪和运动检测。

在这个以讲师为主导的实践课程中，学员将学习图像和视频分析的原理，并利用Marvin框架及其图像处理算法构建自己的应用程序。

课程格式

• 首先介绍了图像分析，视频分析和Marvin框架的基本原理。为学生提供基于项目的任务，使他们能够练习所学的概念。在课程结束时，参与者将使用Marvin框架和库开发自己的应用程序。

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。

Scilab是一种用于科学数据处理的完善的，免费的，开源的高级语言。用于统计，图形和动画，模拟，信号处理，物理，优化等，其中心数据结构是矩阵，与FORTRAN和C衍生物等替代品相比，简化了许多类型的问题。它与C， Java和Python等语言兼容，因此适合用作现有系统的补充。

在这个教师指导的培训，学员将学习的优点Scilab相比，像Matlab的基础知识替代Scilab语法以及一些先进的功能和接口与其他广泛使用的语言，视需求而定。本课程将以一个专注于图像处理的简短项目结束。

在培训结束时，参与者将掌握Scilab的基本功能和一些高级功能，并有资源继续扩展他们的知识。

听众

• 数据科学家和工程师，特别是对图像处理和面部识别感兴趣

课程形式

• 部分讲座，部分讨论，练习和密集的实践练习，以及最终项目

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。

这种由讲师指导的 中国 现场培训（在线或现场）面向希望扩展深度学习以生成文本到图像的知识和技能的中高级数据科学家、机器学习工程师、深度学习研究人员和计算机视觉专家。

在本次培训结束时，参与者将能够：

• 了解用于文字到图像生成的高级深度学习架构和技术。
• 实施复杂模型和优化，以实现高品质的图像合成。
• 优化大型数据集和复杂模型的性能和可扩充性。
• 优化超参数以获得更好的模型性能和泛化。
• 与其他深度学习框架和工具整合 Stable Diffusion