YOLOv7: Real-time Object Detection with Computer Vision培训

Caffe是一个深刻的学习框架，以表达，速度和模块化为基础。

本课程以MNIST为例，探讨了Caffe作为图像识别的深度学习框架的应用

听众

本课程适合有兴趣使用Caffe作为框架的Deep Learning研究人员和工程师。

完成本课程后，代表们将能够：

• 了解Caffe的结构和部署机制
• 执行安装/生产环境/架构任务和配置
• 评估代码质量，执行调试，监控
• 实施高级生产，如培训模型，实施图层和日志记录

这种由 讲师指导的 中国 现场培训（在线或现场）面向希望加深对计算机视觉的理解并探索 TensorFlow 使用 Google Colab 开发复杂视觉模型的能力的高级专业人士。

在本次培训结束时，参与者将能够：

• 使用 TensorFlow 构建和训练卷积神经网路 （CNN）。
• 利用 Google Colab 进行可扩展且高效的基于云的模型开发。
• 为电脑视觉任务实施图像预处理技术。
• 为实际应用程式部署电脑视觉模型。
• 使用迁移学习来增强CNN模型的性能。
• 可视化和解释图像分类模型的结果。

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。

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。

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。

这个 中国（在线或现场）的讲师指导实时培训，旨在帮助希望处理和分析与组织学组织、血细胞、藻类和其他生物样本相关的图像的初学者和中级研究人员及实验室专业人员。

在本次培训结束时，参加者将能够：

• 浏览Fiji界面并利用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。
• 针对生物研究中特定的图像分析需求定制工作流程。

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。

计算机视觉是一个涉及从数字媒体自动提取、分析和理解有用信息的领域。Python是一种高级编程语言，因其清晰的语法和代码可读性而闻名。

在这一由讲师引导的现场培训中，学员将使用Python逐步创建简单的计算机视觉应用程序，并从中习得计算机视觉的基础知识。

在本次培训结束后，学员将能够：

• 了解计算机视觉的基础知识
• 使用Python来实现计算机视觉任务
• 使用Python构建自己的计算机视觉应用程序

受众

• 对计算机视觉感兴趣的Python程序员

课程形式

• 部分讲座、部分讨论、练习和大量实操

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。

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